Бинарная кросс-энтропия, также известная как логарифмическая потеря, это функция потерь, используемая в машинном обучении для задач бинарной классификации. Она измеряет эффективность модели классификации, выход которой - это вероятностное значение между 0 и 1. Что такое бинарная кросс-энтропия? Бинарная кросс-энтропия - это метод, используемый для оценки ошибки прогнозирования классификатора. Потери на кросс-энтропии увеличиваются по мере того, как прогнозируемая вероятность отклоняется от фактической метки...

Категориальная кросс-энтропия - это функция потерь, которая используется в задачах многоклассовой классификации. Это задачи, в которых пример может принадлежать к одной из многих возможных категорий, и модель должна решить, к какой именно. Где используется категориальная кросс-энтропия? Категориальная кросс-энтропия широко используется во многих приложениях машинного обучения, включая: Преимущества категориальной кросс-энтропии Недостатки категориальной кросс-энтропии Формула потерь категориальной...