4.3.4
Log Loss
Resumo
- Log Loss avalia a qualidade das probabilidades previstas.
- Penaliza fortemente previsoes erradas com alta confianca.
- Ideal quando probabilidades influenciam decisoes.
1. Definicao #
Para classificacao binaria com probabilidade (\hat{p}):
$$ \text{LogLoss} = -\frac{1}{N} \sum_{i=1}^N \left[y_i \log(\hat{p}_i) + (1-y_i)\log(1-\hat{p}_i)\right] $$2. Pontos praticos #
- Muito sensivel a erros com alta confianca.
- Combine com curvas de calibracao e Brier Score.