Logistic Loss

Definition 定义

Logistic loss（逻辑损失）：机器学习中常用于二分类的损失函数，衡量预测概率与真实标签之间的差异；等价于逻辑回归的负对数似然，在形式上也常被视为（二分类）交叉熵损失的一种表达。

Pronunciation 发音

/ləˈdʒɪstɪk lɔːs/

Examples 例句

Logistic loss is widely used for binary classification.
逻辑损失被广泛用于二分类任务。

By minimizing the logistic loss, the model learns to assign higher probabilities to the correct class while penalizing confident wrong predictions.
通过最小化逻辑损失，模型会学习给正确类别更高的概率，同时对“自信但错误”的预测施加更大的惩罚。

Etymology 词源

“Logistic”在这里来自logistic function（逻辑函数/ Sigmoid 函数），与“log（对数）”和几率（odds）相关；“loss”表示训练中要最小化的“损失/代价”。因此“logistic loss”字面上就是“基于逻辑函数/对数似然的损失”。

Related Words 相关词

• Cross-Entropy
• Logistic-Regression
• Sigmoid
• Negative-Log-Likelihood
• Softmax
• Hinge-Loss
• Binary-Classification

Literary Works 文学与著作示例

• The Elements of Statistical Learning（Hastie, Tibshirani, Friedman）——在分类与对数似然/对数损失相关章节中讨论与 logistic loss 密切相关的目标函数。
• Pattern Recognition and Machine Learning（Christopher M. Bishop）——在逻辑回归与判别式模型部分涉及对应的对数损失形式。
• Deep Learning（Goodfellow, Bengio, Courville）——在损失函数与交叉熵（含二分类情形）章节中出现与 logistic loss 等价或紧密相关的表述。