Cross-Entropy Loss
Eine häufig verwendete Verlustfunktion in Klassifikationsproblemen, die die Differenz zwischen der vorhergesagten Wahrscheinlichkeitsverteilung und der tatsächlichen Verteilung misst.
Kategorie: Training, Daten & Fine-Tuning
Die Cross-Entropy Loss, auch bekannt als logistische Verlustfunktion oder log-loss, ist eine zentrale Metrik zur Bewertung der Leistung von Klassifikationsmodellen, insbesondere in neuronalen Netzen. Sie quantifiziert, wie gut die Vorhersagen des Modells mit den tatsächlichen Labels übereinstimmen.
Synonyme / Tags
- Log-Loss
- Kategorische Cross-Entropy
- Binary Cross-Entropy
Die ganze Definition im Member Hub braucht ein kostenloses Konto.