Log Loss 에 대해 궁금한 점이 있어 글을 남깁니다.

Log Loss 에 대해 생소해서 소개 동영상을 봤는데요.

아마 뒤에 이어지는 영상이 있는거 같은데 해당 영상을 찾지 못해서 충분히 이해가 가지 않아 질문드립니다.

Log Loss 소개 동영상에서 모델이 정답에 얼마나 확신을 가지는 지를 평가하기 위해서 해당 함수를 사용하는 것으로 파악했습니다.

마지막 부분을 보면 정답인 Label 에서 그 확률 값이 얼마냐에 따라 그 값이 정해는 것으로 보이는 데요.

예를 들어,

Ground Truth 가 [0, 0, 1, 0, 0] 이 존재하고 해당 인풋에 대해서

모델의 Prediction 이 [0.3, 0.2, 0.4, 0.05, 0.05] 이렇게 존재한다면

Log Loss 가 -log(0.4) 로 계산되는 것이 맞나요?

혹시 이렇게만 계산한다면 모델이 모두 1로 즉, [1,1,1,1,1] 를 내뱉는다면, 정답을 맞추는 것에 상관없이 Log Loss 가 모두 0으로 계산될 것 같은데,

각 Class 별로 그 확률 값의 합이 1이 되어야 한다는 조건이 있는지가 궁금합니다.