python - 如何在Python中计算预测集和测试集之间的二元交叉熵？

Question

我正在使用一个测试列表和一个预测列表，其中包含 4000 个元素，如本例所示

      test_list=[1,0,0,1,0,.....]
prediction_list=[1,1,0,1,0......]

如何用 python 代码找到这两个列表之间的二进制交叉熵？我尝试使用 sklearn 中的 log_loss 函数:

log_loss(test_list,prediction_list)

但是损失函数的输出大约是 10.5，这对我来说似乎不太合适。我是否以错误的方式使用该函数，或者应该使用其他实现？

Answer 1

嘿，对于 log_loss 函数，您应该输入预测 1 或 0 的概率，而不是预测标签。交叉熵损失没有为概率 0 和 1 定义。因此您的预测列表应该 - prediction_list = [0.8,0.4,0.3...] 假设概率针对正标签。 或者应该 prediction_list = [[0.8,0.2],[0.4,0.6], [0.3,0.7] ...] 您看到的结果是由于 scikit 实现中的 eps 造成的。

我假设您的 Prediction_list 是标签列表，因为很少看到模型可以预测 0 和 1 的概率。