交叉熵:修订间差异

来自决策链云智库
无编辑摘要
无编辑摘要
 
(未显示同一用户的2个中间版本)
第5行: 第5行:
|simpleicon=Cross Entropy_Pure.svg
|simpleicon=Cross Entropy_Pure.svg
|developer=Dev.Team-DPS
|developer=Dev.Team-DPS
|productionstate=PC可用
|productionstate={{图标文件|Win}} / {{图标文件|W10}} Win10及以上可用
|productionstatedesc=在[[DecisionLinnc | V1.0]]部署
|productionstatedesc=在[[Update:DecisionLinnc 1.0.0.8|V1.0]]部署
|nodeenglishname=[[Has english name::Cross Entropy]]
|nodeenglishname=Cross Entropy
|abbreviation=[[Has abbreviation::Crs_Etp]]
|abbreviation=CrsEtrp
|funcmaincategory=机器学习
|funcmaincategory=机器学习
|funcsubcategory=[[Eva Lv1 Cat::模型评估]]
|funcsubcategory=[[Eva Lv1 Cat::模型评估]]
|nodecategory=数据挖掘
|nodecategory=数据挖掘
|nodeinterpretor=R
|nodeinterpretor=Python
|nodeshortdescription=<p>在机器学习中,交叉熵通常用于度量模型的预测值与真实标签之间的差异。对于二分类问题,假设我们有一个样本集合,每个样本有两个可能的类别(正类和负类)。</p><p>交叉熵损失函数可以衡量模型对于每个样本预测的概率分布与真实标签的概率分布之间的差异。</p>
|nodeshortdescription=<p>在机器学习中,交叉熵通常用于度量模型的预测值与真实标签之间的差异。对于二分类问题,假设我们有一个样本集合,每个样本有两个可能的类别(正类和负类)。</p><p>交叉熵损失函数可以衡量模型对于每个样本预测的概率分布与真实标签的概率分布之间的差异。</p>
|nodeinputnumber=2
|nodeinputnumber=2
第21行: 第21行:
|nodeavailabletablelist=Table_For_Downstream
|nodeavailabletablelist=Table_For_Downstream
|nodeconfiguration=VariableList
|nodeconfiguration=VariableList
|nodeinputports=WorkFlow-Control 🠊;Transfer-Table ■
|nodeinputports=WorkFlow-Control ;Transfer-Table ■
|nodeoutputports=WorkFlow-Control 🠊;Transfer-Table ■
|nodeoutputports=WorkFlow-Control ;Transfer-Table ■
|statsapewikiurl=https://wiki.statsape.com/交叉熵
|statsapewikiurl=https://wiki.statsape.com/交叉熵
|previousnode=[[平均类准确率]]
|previousnode=[[平均类准确率]]
|nextnode=[[神经网络]]
|nextnode=[[机器学习基础绘图节点]]
}}
}}



2024年1月19日 (五) 19:30的最新版本

Cross Entropy.png
节点状态
Windows / Windows 10 Win10及以上可用
V1.0部署
交叉熵Cross Entropy.svg
节点开发者决策链算法研发部 (Dev.Team-DPS)
节点英文名Cross Entropy
功能主类别机器学习
英文缩写CrsEtrp
功能亚类别模型评估
节点类型数据挖掘
开发语言Python
节点简介

在机器学习中,交叉熵通常用于度量模型的预测值与真实标签之间的差异。对于二分类问题,假设我们有一个样本集合,每个样本有两个可能的类别(正类和负类)。

交叉熵损失函数可以衡量模型对于每个样本预测的概率分布与真实标签的概率分布之间的差异。

端口数量与逻辑控制(PC)
Input-入口2个
Output-出口2个
Loop-支持循环
If/Switch-支持逻辑判断
输入输出
可生成图片类型(推荐)
可生成数据表类型(推荐)
相关节点
上一节点平均类准确率
下一节点机器学习基础绘图节点




查找其他类别的节点,请参考以下列表