Log-Likelihood (Log-Verosimilitud)

Es una métrica utilizada para evaluar la probabilidad de que un modelo generativo haya producido el conjunto de datos observados.

Se calcula como el logaritmo de la función de verosimilitud, lo que permite trabajar con números más manejables y evitar problemas de desbordamiento numérico en cálculos sobre grandes cantidades de datos.

En el contexto de machine learning, este enfoque es común en modelos probabilísticos como la regresión logística, máquinas de Boltzmann o modelos escondidos de Markov.

Una mayor log-verosimilitud generalmente indica que el modelo se ajusta mejor a los datos observados.

Es esencial en tareas de optimización y ajustes de parámetros, ya que facilita maximizar la probabilidad del modelo mediante técnicas como la estimación de máxima verosimilitud.