El log-loss evalúa qué tan buenas son las probabilidades que predice un clasificador, no solo si acertó la categoría más probable, penalizando de forma muy severa los casos en que el modelo asignó alta confianza a una predicción que resultó ser incorrecta.
Su relación con la entropía cruzada
Matemáticamente, el log-loss es equivalente a la entropía cruzada usada como función de pérdida durante el entrenamiento; la diferencia es principalmente de contexto: log-loss se usa típicamente para evaluar un modelo ya entrenado, mientras que la entropía cruzada se menciona más en el contexto del propio proceso de optimización.