对于一个二分类问题,已知f()为分类模型,输出形状为(m, 1),其中m为样本数量。 已知损失函数: ,X.shape=(m, n),其中n为特征数量,y.shape=(m, 1),值为0或1。其损失函数对应的numpy代码为()

以下是二分类问题的损失函数对应的numpy代码：

import numpy as np

def binary_cross_entropy_loss(y_pred, y_true):
    epsilon = 1e-7
    y_pred = np.clip(y_pred, epsilon, 1. - epsilon)
    loss = - (y_true * np.log(y_pred) + (1 - y_true) * np.log(1 - y_pred))
    return np.mean(loss)

其中，np.clip()函数是为了防止出现log(0)的情况，epsilon的值可以根据实际情况设定，通常取一个很小的值。np.mean()函数是为了对所有样本的损失函数取平均。