c++ - 交叉熵误差计算

Question

我不完全理解如何计算交叉熵误差。由于一些负数的对数没有定义（或虚构的），并且神经网络的输出可能是一些负数（权重和偏差是随机初始化的），我经常得到 NaN 作为结果。我该如何避免呢？

例子：

output[] = {-0.78, -0.98, 0.78, -0.68};
target[] = {-1.0,  -1.0,  1.0,   1.0};
error = ln(0.78) * 1.0 + ln(-0.68) * 1.0;

Answer 1

如果您的任务是二进制分类，我建议您将目标值“-1”更改为“0”。在最后一层，输出层，你有两个神经元（每个类一个）。对于神经网络的输出，您应该使用softmax 函数，它为每个类分配概率（意思是，您没有负值）。最后，每个实例的输出是对应于这两个概率中较大的类的标签。

Answer 2

交叉熵的定义显示了两个概率分布之间的量化差异。在机器学习的情况下，它会计算您的“目标”（真实值）与模型“输出”预测的值之间的差异。概率可能仅在 [0;1] 范围内变化，并且在任何情况下都可能不是负数。负数在概率方面没有任何意义。