C++ 交叉熵误差计算

我不完全理解交叉熵误差是如何计算的。由于一些负数的对数没有定义（或虚构），神经网络的输出可能是一些负数（权重和偏差随机初始化），因此我经常得到NaN。我如何避免这种情况

例如：

output[] = {-0.78, -0.98, 0.78, -0.68};
target[] = {-1.0,  -1.0,  1.0,   1.0};
error = ln(0.78) * 1.0 + ln(-0.68) * 1.0;

---

如果您的任务是二进制分类，我建议您将目标值“-1”更改为“0”。在最后一层，即输出层，您有两个神经元（每个类一个）。对于您应该使用的神经网络的输出，它为每个类分配概率（也就是说，您没有负值）。最后，每个实例的输出都是类的标签，对应于这两个概率中较大的一个

在交叉熵的定义中，显示了两个概率分布之间的量化差异。在机器学习的情况下，它计算“目标”（真实值）和模型“输出”预测值之间的差异。 概率可能仅在[0；1]范围内变化，在任何情况下都不可能为负。负数在概率方面没有任何意义