负的二分类交叉熵损失

负的二分类交叉熵损失是指在二分类问题中使用交叉熵损失函数时，将其取负数作为损失值。在二分类问题中，交叉熵损失函数可以表示为：$$L(y, \hat{y}) = -[y\log(\hat{y}) + (1-y)\log(1-\hat{y})]$$ 其中，$y$表示真实标签，$\hat{y}$表示预测标签。将上式取负数，即可得到负的二分类交叉熵损失函数。负的二分类交叉熵损失函数的值越小，表示模型的预测结果与真实结果越接近。