交叉熵损失函数的公式

交叉熵损失函数（Cross-Entropy Loss）是一种常用的损失函数，特别适用于分类问题。其公式如下：

L = -∑(y log(p))

其中，L表示损失函数的值，y是实际的标签（如one-hot编码），p是模型预测的概率分布。

对于二分类问题，公式可以简化为：

L = -[y log(p) + (1-y) log(1-p)]

其中，y表示实际的标签（0或1），p是模型预测的概率。

对于多分类问题，公式可以表示为：

L = -∑(y log(p))

其中，y是实际的标签（如one-hot编码），p是模型预测的概率分布。

交叉熵损失函数的目标是最小化预测结果与实际结果之间的差异，使得预测结果更接近实际结果。