Data & Computing機械学習A-Level
CambridgeAQAAPOntarioNSWCBSEGCE O-LevelMoE
二値交差エントロピー Calculator
二値分類のための損失関数。
Use the free calculatorCheck the variablesOpen the advanced solver
Formula first
Overview
二値交差エントロピーについて、主要な入力値と式の関係を整理し、計算結果の意味を解釈するための説明です。条件、単位、前提を確認しながら使うことで、結果を比較、判断、見積もり、リスク確認に結びつけやすくなります。必要に応じて値を変え、結果の変化も確認してください。
Symbols
Variables
L = Loss, y = Actual Label (0/1), p = Predicted Prob
Apply it well
When To Use
When to use: 二値交差エントロピーは、与えられた値から必要な結果を求めたいときに使います。入力の単位、範囲、前提条件を確認してから代入し、計算結果を現実の条件や問題文の目的と照らし合わせてください。
Why it matters: 二値交差エントロピーの結果は、数値を比較し、傾向、制約、リスク、設計上の判断を説明するために役立ちます。答えを単独の数値として扱わず、条件が変わったときの意味や妥当性も確認できます。
Avoid these traps
Common Mistakes
- p=0またはp=1を直接使うこと。
- (1-y)項を忘れること。
One free problem
Practice Problem
次の条件を使って、二値交差エントロピーを求めてください。必要な値を式に代入し、単位と桁数を確認して答えてください。 条件: 1, 0.85。
Hint: 二値交差エントロピーの式に既知の値を代入し、単位、符号、分母と分子の対応を確認しながら計算してください。問題文で与えられた条件を先に整理すると解きやすくなります。
The full worked solution stays in the interactive walkthrough.
References
Sources
- Wikipedia: Cross-entropy
- Goodfellow, I., Bengio, Y., Courville, A. (2016). Deep Learning. MIT Press.
- Deep Learning (Ian Goodfellow, Yoshua Bengio, and Aaron Courville)
- Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. MIT Press. (Chapter 6, Section 6.2.2.2)
- Bishop, C. M. (2006). Pattern Recognition and Machine Learning. Springer. (Chapter 4, Section 4.3.4)
- Standard curriculum — Machine Learning (Classification Losses)