Multi class log loss 多分类的对数损失

在kaggle比赛中，经常需要提交log loss，对数损失是经常用到的一个评价指标。其定义为给定概率分类器预测的真实

标签的负对数似然率。

每一个样本的对数损失就是在给定真实样本标签的条件下，分类器的负对数似然函数：

   -log P(yt|yp) = -(yt log(yp) + (1 - yt) log(1 - yp))

当某个样本的真实标签y=1时，loss=-log（p），分类器的预测概率值为p=pr（y=1）的概率如果越大，越接近1，则损失越小；如果p=pr（y=1）的概率值越小，则分类损失越大。

在提交结果中，使用官方提供的测试集是没有标签的，提交基于测试集模型的预测值，属于每一类预测值的概率值，官方评价指标使用log loss，会返回一个负对数似然值作为评价的目标值。

举个例子：

两个类别，spam，ham是真实标签值，四个预测值，预测属于正确类别的概率值基本正确，所以返回的对数损失是0.21......，值比较小，说明预测还是可以的。