« Erreur entropie croisée catégorielle » : différence entre les versions

Version du 11 novembre 2022 à 15:22

sert de mesure/métrique pour optimiser un algorithme d'apprentissage,

erreur d'entropie croisée catégorielle

categorical Cross-Entropy Loss

@@ Ligne 4 : / Ligne 4 : @@
 == Définition ==
+sert de mesure/métrique pour optimiser un algorithme d'apprentissage,
 == Français ==
-'''perte d'entropie croisée catégorique'''
+'''erreur d'entropie croisée catégorielle'''
@@ Ligne 16 : / Ligne 15 : @@
 == Anglais ==
+'''categorical Cross-Entropy Loss'''
-'''Categorical Cross-Entropy Loss'''
-The categorical cross-entropy loss is also known as the negative log likelihood. It is a popular loss function for categorization problems and measures the similarity between two probability distributions, typically the true labels and the predicted labels. It is given by L = -sum(y * log(y_prediction)) where y is the probability distribution of true labels (typically a one-hot vector) and y_prediction is the probability distribution of the predicted labels, often coming from a softmax.