python机器学习-乳腺癌细胞挖掘（博主亲自录制视频）https://study.163.com/course/introduction.htm?courseId=1005269003&utm_campaign=commission&utm_source=cp-400000000398149&utm_medium=share
python代码
sklearn.metrics.log_loss(y_true, y_pred, eps=1e-15, normalize=True, sample_weight=None, labels=None)[source]
https://scikit-learn.org/stable/modules/generated/sklearn.metrics.log_loss.html
import numpy as np
from sklearn.metrics import log_loss
value=log_loss(["spam", "ham", "ham", "spam"],[[.1, .9], [.9, .1], [.8, .2], [.35, .65]])
print("value:",value) def logloss(true_label, predicted_prob):
if true_label == 1:
return -np.log(predicted_prob)
else:
return -np.log(1 - predicted_prob)
https://blog.csdn.net/laolu1573/article/details/82925747（转载）
定义:
−(ylog(p)+(1−y)log(1−p)) -{(y\log(p) + (1 - y)\log(1 - p))}−(ylog(p)+(1−y)log(1−p))
y yy表示样本的真实标签(1或-1)，p pp表示模型预测为正样本的概率。
可视化：
下图展示了lable=1时对数损失值的范围。当预测概率接近1时，对数损失缓慢下降。但随着预测概率的降低，对数损失迅速增加。对数损失对两种类型的错误都会进行处罚，尤其是那些置信度很高的错误预测！
Code:
def logloss(true_label, predicted_prob):
if true_label == 1:
return -log(predicted_prob)
else:
return -log(1 - predicted_prob)
1
2
3
4
5
一个样本集里正样本出现的概率为p，如果我们把每个样本的预测值都置为p，那么logloss是多少呢？
很显然
若p=0.1，logloss=0.325
若p=0.2，logloss=0.500
若p=0.3，logloss=0.611
若p=0.4，logloss=0.673
若p=0.5，logloss=0.693
若p=0.6，logloss=0.673
若p=0.7，logloss=0.611
若p=0.8，logloss=0.500
若p=0.9，logloss=0.325
所以最差的情况就是，正好是一半正样本一半负样本，此时你乱猜出的logloss是0.693。
所以只要loglss是在0.693以上，就说明模型是失败的。