为了弥补这个微小的数字 我们将对这些数字取负平均值

fazayalarabbi33

类，如上图所示；因此，其预测概率和校正概率均为 。相反，观测值  属于子类 。 的类 概率为 ，而类 为 （ 预测概率）。所有重新计算的概率将保持不变。（校正概率）（校正概率）现在将确定每个修订后的概率的对数。使用对数值是因为它对预测概率和校正概率之间的微小差异的惩罚较小。惩罚随着差距的大小而增加。所有调整后的概率均已转换为对数，如下所示。由于所有调整概率均小于 ，因此所有对数均为负数。。算术平均值低于零由于我们计算的调整概率为负平均值，这种情况下的对数损失或二元交叉熵达到了 。


的值。此外，可以使用以下公式而不是使用校正概率来计算对数损失。第 类的可能性用  表示，而第 南非电报吗数据库 类的 可能性用 (-) 表示。当观察的类别为 时，公式的第一部分适用，而当观察的类别为 时，第二部分消失。二元交叉熵就是这样找到的。二元交叉熵在多类分类中的应用当处理涉及多个类别的问题时，适用相同的确定对数损失的方法。只需应用以下计算即可。最后的一些注释总之，本文解释了什么是二元交叉熵以及如何使用观察到的和预期的数据和值来确定它。为了充分利用模型，您需要牢牢掌握要衡量的指标。换句话说，定义二元交叉熵或对数损失。使用二元交叉熵将每个预测。



概率与实际类别结果（可以是 或 ）进行比较。与预期值的距离用于确定应用于概率的分数。这表明估计值与真实值的距离有多近或多远。首先，让我们正式定义“二元交叉熵”的含义。修正后估计概率的负平均对数是二元交叉熵。是的，别担心，我们很快就会弄清楚定义的细微差别。下面提供了一个说明性示例。（校正概率）（校正概率）现在将确定每个修订后的概率的对数。使用对数值是因为它对预测概率和校正概率之间的微小差异的惩罚较小。惩罚随着差距的大小而增加。所有调整后的概率均已转换为对数，如下所示。由于所有调整概率均小于 ，因此所有对数均为负数。为了。