目录
tf.keras.losses.SparseCategoricalCrossentropy的作用
tf.keras.losses.SparseCategoricalCrossentropy的示例
tf.keras.losses.SparseCategoricalCrossentropy的作用
计算估计值和标签的交叉熵损失函数值。
交叉熵,描述两个分布之间的差异,比如估计的概率分布和观测到的概率分布之间的差异。最小化交叉熵等价于最大似然估计。
最大似然估计(极大似然估计),观测到某种事件发生的概率,估计系统参数为什么值的时候,最可能出现这种观测结果。
概率值,已知系统参数的前提下,某种事件发生的概率。
似然估计,观测到某种事件发生的概率,估计系统的参数。
假设有一个分类器,将输入分成A,B,C三类。分为A的概率
为0.3,分为B的概率
为0.5,分为C的概率
为0.2。现在有10个观测数据x,4个A,3个B, 3个C。出现这组观测结果的概率是什么?