All translations

Enter a message name below to show all available translations.

Found 3 translations.

Name	Current message text
^h English (en)	'''Cross-entropy loss''' (also called '''log loss''') is the most widely used {{Term\|loss function}} for classification tasks in machine learning. Rooted in {{Term\|information theory}}, it measures the dissimilarity between the true label distribution and the model's predicted probability distribution, providing a smooth, differentiable objective that drives probabilistic classifiers toward confident, correct predictions.
^h Spanish (es)	La '''pérdida de entropía cruzada''' (también llamada '''log loss''') es la {{Term\|loss function\|función de pérdida}} más utilizada para tareas de clasificación en aprendizaje automático. Enraizada en la {{Term\|information theory\|teoría de la información}}, mide la disimilitud entre la distribución verdadera de etiquetas y la distribución de probabilidad predicha por el modelo, proporcionando un objetivo suave y diferenciable que orienta a los clasificadores probabilísticos hacia predicciones correctas y confiadas.
^h Chinese (zh)	'''交叉熵损失'''（也称为'''对数损失'''）是机器学习分类任务中使用最广泛的{{Term\|loss function\|损失函数}}。它根植于{{Term\|information theory\|信息论}}，衡量真实标签分布与模型预测概率分布之间的差异，提供一个平滑、可微的目标，驱动概率分类器做出自信且正确的预测。