二元交叉熵损失 python

二元交叉熵损失（Binary Cross Entropy Loss）是用于二分类问题的一种常见损失函数，其公式为：$L(y, \hat{y}) = -[y\log(\hat{y}) + (1-y)\log(1-\hat{y})]$，其中 $y$ 表示真实标签，$\hat{y}$ 表示模型预测的标签。

在 Python 中，可以使用以下代码实现二元交叉熵损失：

import numpy as np

def binary_cross_entropy_loss(y, y_hat):
    loss = -(y * np.log(y_hat) + (1 - y) * np.log(1 - y_hat))
    return loss

其中，`y` 和 `y_hat` 都是标量或数组，表示真实标签和模型预测的标签。