对数损失和交叉熵损失

从上述的表达式中看，两者的损失函数本质是一样的，但是这里需要注意的是通常情况下，这两种损失函数所对应的上一层结构不同，log loss经常对应的是Sigmoid函数的输出，用于二分类问题；而cross-entropy loss经常对应的是Softmax函数的输出，用于多分类问题。

所以在神经网络中精彩使用cross-entropy作为评判参数优化的函数，而在二分类的场景下精彩使用log loss作为评判参数优化的函数。

但是其实log loss也可以应用在多分类，这时候就和cross-entropy loss应用在多分类没有什么差别了。

log loss function 和 cross-entropy loss function本质上没有什么区别，无论是在二分类还是多分类场景下都可以进行应用，只不过大多数人的应用习惯不同而已。