logloss 损失函数

Logloss（对数损失）是一种用于衡量分类算法性能的损失函数。它基于对数函数的概念，将正确分类和错误分类的预测值之间的差异量化为一个数值。

在二元分类问题中，Logloss 的计算方式如下：

$$\text{Logloss} = -\frac{1}{N}\sum_{i=1}^{N}(y_i\log(p_i) + (1-y_i)\log(1-p_i))$$

其中，$N$ 是样本数量，$y_i$ 是样本 $i$ 的真实标签，$p_i$ 是模型预测 $i$ 样本为正例的概率。Logloss 的值越小，模型的性能越好。当模型的预测值和真实值完全一致时，Logloss 值为 0。

Logloss 在训练神经网络等机器学习模型时经常作为损失函数使用，因为它可以帮助模型更好地学习分类任务并优化模型参数。