二进制交叉熵损失函数

二进制交叉熵损失函数是一种常用的损失函数，通常用于二分类问题中。它衡量了模型预测结果与真实标签之间的差异。

在二分类问题中，我们通常将标签分为0和1两个类别。对于每个样本，模型会输出一个概率值，表示该样本属于类别1的概率。二进制交叉熵损失函数通过计算预测概率与真实标签之间的差异来度量模型的性能。

具体而言，对于一个样本，假设其真实标签为y（0或1），模型的预测概率为p（0<=p<=1）。则二进制交叉熵损失函数的计算公式如下：

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

其中，log表示自然对数。当y=1时，损失函数只考虑预测为类别1的情况；当y=0时，损失函数只考虑预测为类别0的情况。通过最小化该损失函数，可以使得模型更好地拟合训练数据。