对数损失 (Log Loss) - 分类模型评估指标

对数损失 (Log Loss) 是一种常用于评估分类模型的损失函数，特别适用于二分类问题。对数损失基于模型的预测概率与真实标签之间的差异来衡量模型的性能。

对于二分类问题，假设模型的预测概率为 p，真实标签为 y（取值为 0 或 1），对数损失定义如下：

Log Loss = -[y * log(p) + (1-y) * log(1-p)]

其中 log 表示自然对数。

对数损失的含义是，当模型的预测概率与真实标签一致时，损失趋近于 0；当模型的预测概率与真实标签相差越大时，损失越大。因此，对数损失越小，模型的性能越好。

对数损失的优点是能够对预测概率进行连续性建模，可以反映出模型的不确定性。同时，对数损失是凸函数，具有较好的数学性质，便于优化求解。

在实际应用中，对数损失常用于评估分类模型的性能，并作为优化目标来训练模型。