Fonction de perte de déviance binomiale de Scikit

C'est la fonction de perte de déviance binomiale de scikit GradientBoosting,

   def __call__(self, y, pred, sample_weight=None):
        """Compute the deviance (= 2 * negative log-likelihood). """
        # logaddexp(0, v) == log(1.0 + exp(v))
        pred = pred.ravel()
        if sample_weight is None:
            return -2.0 * np.mean((y * pred) - np.logaddexp(0.0, pred))
        else:
            return (-2.0 / sample_weight.sum() *
                    np.sum(sample_weight * ((y * pred) - np.logaddexp(0.0, pred))))

Cette fonction de perte n'est pas similaire entre la classe avec 0 et la classe avec 1. Quelqu'un peut-il expliquer comment cela est considéré comme OK.

Par exemple, sans poids d'échantillon, la fonction de perte pour la classe 1 est

-2(pred - log(1 + exp(pred))

vs pour la classe 0

-2(-log(1+exp(pred))

L'intrigue de ces deux ne sont pas similaires en termes de coût. Quelqu'un peut-il m'aider à comprendre.

Deux observations sont nécessaires pour comprendre cette implémentation.

La première est que ce predn'est pas une probabilité, c'est une cote de log.

$P$sklearnpred$-2$

$p = \frac{e^{P}}{1 + e^{P}}$$1-p = \frac{1}{1 + e^{P}}$$1$

et

Donc, au total, la déviance binomiale est égale à

Quelle est l'équation sklearnutilisée.