交叉熵：修订间差异

来自决策链云智库
（创建页面，内容为“{{Infobox nodebasic|nodename=交叉熵|nodeimage=Cross Entropy.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在 V1.0部署|nodeenglishname=Has english name::Cross Entropy|abbreviation=CE|funcmaincategory=机器学习|funcsubcategory=Eva Lv1 Cat::模型评估|nodecategory=数据挖掘|nodeinterpretor=R|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…”）
 
无编辑摘要
第1行： 第1行：
{{Infobox nodebasic|nodename=交叉熵|nodeimage=Cross Entropy.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在[[DecisionTree | V1.0]]部署|nodeenglishname=[[Has english name::Cross Entropy]]|abbreviation=CE|funcmaincategory=机器学习|funcsubcategory=[[Eva Lv1 Cat::模型评估]]|nodecategory=数据挖掘|nodeinterpretor=R|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）。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|nodeoutputnumber=2|nodeloopsupport=否|nodeifswitchsupport=否|nodeavailableplotlist=nodenoplotoutput|nodeavailabletablelist=|nodeconfiguration=|nodeinputports=WorkFlow-Control ▶;Transfer-Table ■|nodeoutputports=WorkFlow-Control ▶;Transfer-Table ■|statsapewikiurl=https://wiki.statsape.com/交叉熵_Plus|previousnode=[[平均类准确率]]|nextnode=[[影像处理节点]]}}{{Navplate AlgorithmNodeList}}[[Category:模型评估]]
{{Infobox nodebasic  
|nodename=交叉熵
|nodeimage=Cross Entropy.png
|developer=Dev.Team-DPS
|productionstate=PC可用
|productionstatedesc=在[[DecisionLinnc | V1.0]]部署
|nodeenglishname=[[Has english name::Cross Entropy]]
|abbreviation=[[Has abbreviation::Crs_Etp]]
|funcmaincategory=机器学习
|funcsubcategory=[[Eva Lv1 Cat::模型评估]]
|nodecategory=数据挖掘
|nodeinterpretor=R
|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
|nodeoutputnumber=2
|nodeloopsupport=否
|nodeifswitchsupport=否
|nodeavailableplotlist=nodenoplotoutput
|nodeavailabletablelist=
|nodeconfiguration=
|nodeinputports=WorkFlow-Control ▶;Transfer-Table ■
|nodeoutputports=WorkFlow-Control ▶;Transfer-Table ■
|statsapewikiurl=https://wiki.statsape.com/交叉熵
|previousnode=[[平均类准确率]]
|nextnode=[[神经网络]]
}}
 
 
{{Navplate AlgorithmNodeList}}
 
[[Category:模型评估]]

2023年12月4日 (一) 22:15的版本

Cross Entropy.png
节点状态
PC可用
在 V1.0部署
交叉熵
节点开发者决策链算法研发部 (Dev.Team-DPS)
节点英文名交叉熵
功能主类别机器学习
英文缩写Crs_Etp
功能亚类别模型评估
节点类型数据挖掘
开发语言R
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-支持循环否
If/Switch-支持逻辑判断否
输入输出
可生成图片类型（推荐）
可生成数据表类型（推荐）
可配置参数例型
相关节点
上一节点平均类准确率
下一节点神经网络
WikimediaUI-Globe.svg相关网站



属性“Nodeicon”（作为页面类型）与输入值“File:”包含无效字符或不完整，并因此在查询或注释过程期间导致意外结果。


查找其他类别的节点，请参考以下列表

取自“https://wiki.statsape.com/index.php?title=交叉熵&oldid=2490”
最近修改
此页面最后编辑于2023年12月4日 (星期一) 22:15。
版权
DecisionLinnc Wiki (决策链云智库) © 2024 by Statsape is licensed under Attribution-NonCommercial-ShareAlike 4.0 International. To view a copy of this license, visit [http://creativecommons.org/licenses/by-nc-sa/4.0/| CreativeCommons-Licenses-4.0].