损失函数入门首先 让我们了解一下函数本身

fazayalarabbi33

通常称为对数损失 并了解如何从可用数据和模型的预测中导出它。内容 隐藏 “二元分类”的含义 损失函数入门 关于数学 换句话说，定义二元交叉熵或对数损失。 概率估计 修改赔率 （校正概率）（校正概率） 二元交叉熵在多类分类中的应用 最后的一些注释 换句话说，定义二元交叉熵或对数损失。 （校正概率）（校正概率） 损失函数入门 关于数学“二元分类”的含义仅使用特征信息将观察结果分成两类之一是二元分类问题的目标。假设您将照片分为犬科动物和猫科动物类别。您的任务是进行二元分类。同样，如果机器学习模型将电子邮件分为两类——正常邮件和垃圾邮件。


——那么它就是在进行二元分类。，然后我们才能深入研究 。想象一下您花费了时间和精力开发了一个机 型，您确信该模 南非电报吗数据库 型可以区分猫和狗。在这种情况下，我们希望找到能够帮助我们充分利用模型的指标或函数。损失函数显示了模型的预测效果。当预测值最接近原始值时，损失最小；当预测值关闭时，损失最大。关于数学费用 = -( 预测 –  实际)。您的模型可以根据  值进行改进，直到达到最佳解决方案。大多数二元分类问题都是通过称为二元交叉熵的损失函数来解决的，通常称为对数损失，这是本文的主题。换句话说，定义二。



元交叉熵或对数损失。使用二元交叉熵将每个预测概率与实际类别结果（可以是 或 ）进行比较。与预期值的距离用于确定应用于概率的分数。这表明估计值与真实值的距离有多近或多远。首先，让我们正式定义“二元交叉熵”的含义。修正后估计概率的负平均对数是二元交叉熵。是的，别担心，我们很快就会弄清楚定义的细微差别。下面提供了一个说明性示例。概率估计该表中有三列。识别号——它是单个不同实例的符号。这是对象分配到的初始类别。模型输出，表明概率对象属于类型（预测概率）修改赔率什么是调整概率？它量化了观察结果符合其类别的可能性。  首先被置于第 。