二元交叉熵 损失函数

二元交叉熵损失函数是用来评判一个二分类模型预测结果的好坏程度的。对于标签y为1的情况，如果预测值p(y)趋近于1，那么损失函数的值应当趋近于0。反之，如果此时预测值p(y)趋近于0，那么损失函数的值应当非常大，这符合log函数的性质。当标签为y=0时，损失函数为-Loss=log(1-p(y))，当预测值接近0时，损失函数趋向于0，反之趋向于正无穷。当标签为y=1时，损失函数为-Loss=log(p(y))，当预测值接近1时，损失函数趋向于0，反之趋向于正无穷。\[1\]\[2\]\[3\]
#### 引用[.reference_title]
- *1* *2* *3* [快速理解binary cross entropy 二元交叉熵](https://blog.csdn.net/Cy_coding/article/details/116427968)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item]
[ .reference_list ]