它们都是成本函数吗？在评估错误时，您会看到两者吗？或者它们是否真的是单独的措施？对于logloss错误感到困惑，并且很难找到有关它的信息。
答案 0 :(得分：1)
假设您已经在某些列车数据上训练了一些分类器， x tr ，y tr ，您已经获得了一些适合的分类器米。现在对于某些 x，y ，您可以获取分类器的结果ŷ=ŷ m （x）。
log loss是一个带 y 和ŷ的函数，并输出分类器对数据的处理效果。
< / LI>OOB (out of bag)只是意味着你不采取 x tr ，y tr ，用于训练的数据集，作为 x，y ，用于评估性能的数据集。相反，它意味着 x，y 是 x te ，y te ，你离开训练的一些数据集（可能是专门用于此目的）。
这两个概念是正交的，因此：
使用适合分类器和OOB数据集，您可以使用或不使用日志丢失。
您可以测量OOB数据集或原始列车数据集上的日志损失（在后一种情况下，您应该非常小心地解释结果 - 这是一个非常糟糕的估计预测器实际上有效。）