对数损失的直观解释

在几次kaggle比赛中，得分基于“ logloss”。这与分类错误有关。

这是一个技术性的答案，但我正在寻找一个直观的答案。我真的很喜欢答案这个有关马氏距离的问题，但PCA并不是logloss。

我可以使用分类软件提供的价值，但我不太了解。为什么用它代替真实/错误的阳性/阴性率？您能帮我，以便我可以向外婆或该领域的新手解释吗？

我也喜欢并同意以下报价：

除非您可以向祖母解释
- 否则您不会真正理解某些东西

在发布到这里之前，我尝试自行回答。

我没有发现直观或真正有用的链接包括：

• http://www.r-bloggers.com/making-sense-of-logarithmic-loss/
• https://www.quora.com/What-is-an-intuitive-explanation-for-the-log-loss-function
• https://lingpipe-blog.com/2010/11/02/evaluating-with-probabilistic-truth-log-loss-vs-0-1-loss/
• https://www.kaggle.com/wiki/LogarithmicLoss

这些信息丰富，准确。它们是为技术读者准备的。他们没有画简单的图画，也没有给出简单易用的例子。他们不是为我祖母写的。

对数损失是所有概率乘积的对数。假设爱丽丝预测：

• 约翰以0.2的概率杀死杰克
• 玛丽以0.001的概率嫁给约翰
• 比尔以0.01的概率是一个杀人犯。

原来，玛丽没有嫁给约翰，比尔不是杀人犯，而是约翰杀死了杰克。根据爱丽丝的说法，概率的乘积为0.2 * 0.999 * 0.99 = 0.197802

鲍勃预测：

• 约翰以0.5的概率杀死杰克
• 玛丽以0.5的概率嫁给约翰
• 比尔以0.5的概率是一个凶手。

乘积为0.5 * 0.5 * 0.5 = 0.125。

爱丽丝比鲍勃更好。