Logarithmic Loss (Pérdida Logarítmica)

Es una métrica utilizada para evaluar modelos de clasificación en aprendizaje automático.

Cuantifica la diferencia entre las probabilidades predichas por un modelo y las etiquetas reales de la clase.

Se basa en el concepto de probabilidad logarítmica negativa, penalizando más severamente las predicciones incorrectas con alta confianza.

Un valor más bajo indica mejores predicciones, mientras que valores más altos reflejan mayores errores en las probabilidades asignadas.

Es especialmente útil en problemas de clasificación multiclase o situaciones donde no solo importa la precisión, sino también la calibración de las probabilidades.

Binary Cross-Entropy (Entropía Cruzada Binaria)