在几场 kaggle 比赛中，评分是基于“logloss”。这与分类错误有关。

这是一个技术答案，但我正在寻找一个直观的答案。我真的很喜欢这个关于马氏距离的问题的答案，但 PCA 不是对数损失。

我可以使用我的分类软件输出的值，但我不是很了解它。为什么我们使用它而不是真/假阳性/阴性率？你能帮我解释一下我的祖母或该领域的新手吗？

我也喜欢并同意这句话：

除非你能向你的祖母解释，否则你不会真正理解某事
——阿尔伯特·爱因斯坦

在发帖之前，我尝试自己回答这个问题。

我没有发现直观或真正有用的链接包括：

• http://www.r-bloggers.com/making-sense-of-logarithmic-loss/
• https://www.quora.com/What-is-an-intuitive-explanation-for-the-log-loss-function
• https://lingpipe-blog.com/2010/11/02/evaluate-with-probabilistic-truth-log-loss-vs-0-1-loss/
• https://www.kaggle.com/wiki/LogarithmicLoss

这些信息丰富且准确。它们适用于技术观众。他们没有画出简单的图画，也没有给出简单易懂的例子。它们不是写给我祖母的。