二元交叉熵损失
提问于 2022-10-25 04:32:20
当我们有一个二进制分类问题时，我们在输出layer+中使用一个sigmoid激活函数--二进制交叉熵损失。我们还需要一个热点编码的目标variable.This S，一个二进制分类问题，意味着我们可以有一些样本与y_pred=0。正如我们所知道的，二元交叉熵损失的数量是log(y_pred)，这意味着对于属于0类的样本，我们可以有log(0)。但是，log(0)是未定义的！那么，二进制交叉熵如何仍然是可计算的？对于多分类问题，softmax+分类交叉熵也是如此。
回答 1
Data Science用户
发布于 2022-10-25 04:43:26
添加一个等于机器感应器的值将在log中给出一个足以不改变结果的偏移量，但会给您一个可以计算的表达式：
import numpy as np
print(0*np.log(0))
print(0*np.log(0+np.finfo(float).eps))
nan
-0.0页面原文内容由Data Science提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://datascience.stackexchange.com/questions/115574
复制相关文章
腾讯云开发者
