对数损失和交叉熵损失的结果不同

如何解决对数损失和交叉熵损失的结果不同

逻辑回归的负对数似然由 [...] 给出，这也称为交叉熵误差函数。

— Page 246,Machine Learning: A Probabilistic Perspective,2012

所以我试了一下，发现有点不同：

.\gradlew.bat test

为什么？

解决方法

首先，sklearn.metrics.log_loss 将自然对数（math.log 或 numpy.log）应用于概率，而不是以 2 为底的对数。

其次，您显然得到了 -0.0，因为 y_true 中的对数概率乘以零。对于二元情况，对数损失是

-logP(y_true,y_pred) = -(y_true*log(y_pred) + (1-y_true)*log(1-y_pred))

第三，您忘记在代码中取对数损失的平均值。

from math import log

def bin_cross_entropy(p,q):
    n = len(p)
    return -sum(p[i]*log(q[i]) + (1-p[i])*log(1-q[i]) for i in range(n)) / n

bin_cross_entropy(y_true,y_pred)  # 0.6931471805599453