Unverified50% confidenceFactExact time
线性回归的最小二乘损失与逻辑回归的交叉熵损失分别对应高斯噪声假设与伯努利分布假设下的最大似然估计
1
Sources
50%
Confidence
Long-term
Relevance
7/14/2026
First Seen
Sources
Related Claims
Unverified假设数据服从伯努利或多项分布，最大化似然等价于最小化交叉熵损失函数78% similarUnverified最小化交叉熵等价于最小化真实分布与预测分布之间的 KL 散度71% similarUnverifiedFocal Loss在标准交叉熵损失前添加调制因子(1-p_t)^γ，γ通常设为2，使模型聚焦于困难样本70% similarUnverified有限样本估计熵率面临系统性负偏差问题，插件估计量倾向于低估真实熵，可用Miller-Madow校正通过添加(k-1)/(2N)项补偿69% similarVerified分类任务中的交叉熵损失本质上是对数似然函数的负值，最小化交叉熵等价于最大化模型对训练数据的对数似然68% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/503609API
curl https://kongchang.com/api/v1/knowledge/claims/503609MCP
get_claim(id=503609)