如果我在做一个多分类问题，catboost 中的损失函数 ='Multiclass' 是否与日志损失相同？

Question

我正在使用 catboost 制作一个多类预测模型，最终的解决方案应该具有最小的 Logloss 误差，但在 catboost 中不存在 Logloss，它们有一个叫做“Multiclass”的东西作为损失函数。他们都一样吗？如果不是，那么如何根据 Logloss 衡量 catboost 模型的准确性？

Answer 1

他们都一样吗？实际上，是的...

'MultiClass' 损失的 catboost 文档describe the calculation 通常被认为是多项/多类交叉熵损失。也就是说，将 Log Softmax 应用于分类器输出“a”以产生可以解释为概率的值，然后应用负对数似然损失 (NLLLoss)，wiki1 & wiki2。

他们的文档describe the calculation 也是“LogLoss”，这也是 NLLLoss，但适用于“p”。他们将here 描述为将 sigmoid fn 应用于分类器输出的结果。由于 NLLLoss 是针对二元问题重新设计的，因此只计算单个类概率，对每个类使用“p”和“1-p”。而在这种特殊的（二进制）情况下，sigmoid 和 softmax 的使用是等价的。

如何根据 Logloss 衡量 catboost 模型？

他们describe a method 为给定数据生成所需的指标。

注意不要将损失/目标函数“loss_function”与评估指标“eval_metric”混淆，但是在这种情况下，可以将相同的函数用于两者，as listed in their supported metrics。

希望这会有所帮助！

Answer 2

对数损失不是损失函数，而是衡量分类模型性能的指标，其中预测是介于 0 和 1 之间的概率值。 了解更多here。