假设对数损耗方程为：logLoss=−(1/N)*∑_{i=1}^N (yi(log(pi))+(1−yi)log(1−pi))
其中，N是样本数，yi...yiN是因变量的实际值，pi...piN是对数回归的预测可能性
我如何看待它：
如果yi = 0，则第一部分yi(logpi) = 0
或者，如果yi = 1，则第二部分(1−yi)log(1−pi) = 0
因此，现在，根据y的值，方程的一部分被排除在外。我理解正确吗？
我的最终目标是了解如何解释对数丢失的结果。
最佳答案
是的，您的方向正确。请记住，p_i=P(y_i=1)的基本思想是需要定义损失函数，以使其惩罚预测与实际标签不匹配的元组（例如，当y_i=1但p_i为低，由yi(logpi)部分照顾，或者当y_i=0但p_i为高，由(1-yi)log(1-pi)部分照顾），同时它不应该对元组进行太多惩罚预测与实际标签匹配（例如，当y_i=1和p_i为高时，或y_i=0和p_i为低时）。
Logistic回归的损失函数（cross entropy）正好解决了损失函数的上述所需属性，如下图所示。