二元交叉熵(Binaty Cross Entropy)BCE Loss

这是一个二分类问题中常用的Loss损失函数,用来评判一个二分类模型预测结果的好坏程度:

BCELoss=-\frac{1}{n}\sum_{i=1}^{n}[y_i\cdot \log p(y_i)+(1-y_i)\cdot \log(1-p(y_i))]

y_i是标签1或0,p(y_i)可以理解为对应真实标签y_i的预测标签值。

loss越小,则表示预测标签与真实标签越接近;反之loss越大。

你可能感兴趣的:(算法,python,人工智能)