【QA】Cross Entropy 作為損失函數帶來哪些好處？
2021/09/01 下午 05:29
機器學習共學討論版
Chili
觀看數：460
回答數：1
收藏數：0
在做分類問題時，我們通常追求模型的錯誤率能越小越好，因此將錯誤率作為損失函數的一個選項。但在現實上，我們更常用Cross entropy作為分類問題的損失函數，接下來我想要用簡單的方式跟大家介紹Cross entropy，以及其帶來的優點。
回答列表
-
2021/09/01 下午 05:37Chili贊同數：1不贊同數：0留言數：0
結合我們上一篇資訊熵講的內容，當我們在做圖像分類時，從模型中得到一個機率，即可透過cross entropy 得到loss function。 ---   首先，單從機率表現上，比較兩個模型，可以發現模型二的表現，明顯優於模型一，儘管兩模型的錯誤率都為1/4，但我們仍可從中挑出一個較好的模型。 因此單看模型的錯誤率作為Loss function或是作為比較的指標化，得到的結果有限，(fc>#ff0000:看不太出兩模型的差異