01 / UNDERSTAND
仕組みと使いどころ
マルチクラス対数損失は、分類器が各クラスに割り当てた予測確率を評価します。正解クラスに高い確率を割り当てるほど損失は小さくなり、低い確率を割り当てるほど大きくなります。確率を評価するため、最終的に選ばれたクラスだけを比較する正解率とは評価対象が異なります。scikit-learnではlog_lossが予測確率を入力として受け取り、既定ではサンプル当たりの平均損失を返します。
02 / IN PRACTICE
Multiclass Log Lossの活用例
たとえば、こんな場面で
3クラス分類モデルについて、各サンプルの3クラス分の予測確率と正解ラベルから損失を計算し、複数モデルの確率予測を比較します。
03 / GOOD TO KNOW
使うときのポイント
比較時は予測確率の列とクラスラベルの順序を一致させ、平均値か合計値か、サンプル重みを使うかといった計算条件もそろえます。
参考資料
3.4. Metrics and scoring: quantifying the quality of predictions （新しいタブで開きます）log_loss （新しいタブで開きます）用語の説明や活用例に関連する参考資料です。
READ & LEARN
記事一覧を見る 用語を知ったら、活用を知る。
AI LABで、AIの動向や業務に取り入れるヒントを読む。