LCE交叉熵损失函数

LCE (Label-Correlation Entropy) 或者称为 Label-Dependent Cross-Entropy Loss 函数是一种特殊的交叉熵损失函数，它主要用于处理多标签分类任务，尤其是当标签之间存在相关性的时候。传统交叉熵损失针对每个样本预测的概率分布与单个真实标签之间的差异，而 LCE 考虑了所有标签之间的依赖关系。

在LCE中，每个标签不仅考虑自身的真实值，还会考虑其他标签的影响。如果两个标签通常是同时存在的（如正则化项），那么它们的预测概率会相互影响，使得模型在优化时不仅要关注每个标签的单独性能，还要考虑到整体的联合预测准确度。