Log Loss
Log loss, czyli strata logarytmiczna/entropia krzyżowa, to kluczowa miara oceny wydajności modeli uczenia maszynowego—szczególnie dla klasyfikacji binarnej—poprzez mierzenie rozbieżności między przewidywanymi prawdopodobieństwami a rzeczywistymi wynikami, karząc niepoprawne lub zbyt pewne przewidywania.