文档摘要

3.3 分类任务：交叉熵是怎么长出来的 本节摘要：分类问题的主角是交叉熵。本节从"用概率惩罚错误"的直觉讲起，推演二元与多类交叉熵的来龙去脉，解释它为何取代平方误差、以及稀疏标签如何省去 one-hot 的功夫，最后用一个小例子测出"错误自信"是否更伤人。 上一节回归用的是"距离"，这一节分类用的是"概率"。分类任务的天空完全不同：我们要的不是"差多远"，而是"猜对的概率该多该少"。交叉熵正是在这种逻辑里被"长"出来的。 会员。《3.3 分类任务：交叉熵是怎么长出来的》收录于灏天文库文集《神经网络优化技巧：激活函数、损失函数、优化器选择》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/499-%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C%E4%BC%98%E5%8C%96%E6%8A%80%E5%B7%A7%E6%BF%80%E6%B4%BB%E5%87%BD%E6%95%B0%E6%8D%9F%E5%A4%B1%E5%87%BD%E6%95%B0%E4%BC%98%E5%8C%96%E5%99%A8%E9%80%89%E6%8B%A9

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流