知识卡片
交叉熵惩罚真类低概率
单标签分类可将 logits 用 Softmax 转为概率,再取真类概率的负对数。书中猫样本真类概率约为 0.13,用自然对数得损失约 2.04。原书图示的 0.89 接近以 10 为底的结果,比较数值时须明确固定对数基底。真类概率越接近零,惩罚越大。实现中可直接用稳定的对数归一化计算,减少指数溢出。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 深度神经网络 · 查看原书依据
只针对正确类别的预测概率执行-log操作
参考来源
- 位置:《机器学习观止:核心原理与实践》第12章《深度神经网络》(来源项目 book-source,`extracted/机器学习观止:核心原理与实践/_epub-src/OEBPS/Text/chapter12.xhtml`)。
- 结论依据:第 12.4.1 节基于同一类别得分表分别演示合页与交叉熵。
- 原始内容:只针对正确类别的预测概率执行-log操作