交叉熵损失(cross entropy)

  交叉熵损失是常见的损失函数之一,交叉熵衡量的是数据标签的真实分布与预测的概率分布之间的差异程度,值越小,差异越小,模型预测就越准确:

 其中,p,q分别表示数据标签的真实分布和预测出的分布,也就是p(yi|xi)表示样本xi的真实分布。具体一点,样本xi是属于某个类别ck,那么,p(yi=ci|xi)=1,其他都为0.

类比,q(y^i|xi)表示样本xi在各个类别上的概率分布,此时,预测的概率处于【0,1】之间,当然y^i跑遍所有类别后,和为1.

如果,xi的真实标签确定为ck,那么上式可以简化为:

 这样,本质上就变成了,最大化预测xi为ck的概率

二分类模型:

yi属于{0,1},那么样本xi属于类别1的概率为:q(yi=1|xi),样本xi属于0的概率为:1-q(yi=1|xi)

 二元交叉熵损失:

 

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值