Назовите функцию потерь для логистической регрессии?

Функция потерь для логистической регрессии — это бинарная кросс-энтропия (log loss). Она измеряет разницу между предсказанными вероятностями и истинными метками классов.

Для одного объекта с меткой y (0 или 1) и предсказанной вероятностью p (вероятность класса 1) функция потерь записывается так:

[ L = - \left( y \cdot \log(p) + (1 - y) \cdot \log(1 - p) \right) ]

Эта функция штрафует модель за неправильные предсказания, особенно если модель уверена в неправильном ответе.

Пример на Python с использованием numpy:

import numpy as np

def log_loss(y_true, y_pred):
    epsilon = 1e-15  # для стабильности
    y_pred = np.clip(y_pred, epsilon, 1 - epsilon)
    return -np.mean(y_true * np.log(y_pred) + (1 - y_true) * np.log(1 - y_pred))