1、交叉熵损失函数在机器学习中扮演核心角色，用于度量真实概率分布与预测概率分布之间的差异，其值越小，表示模型预测效果越好以二分类交叉熵为例，具体公式如下\Loss = 121*log07 + 1*log02\在此公式中，X表示样本等于特定类别的概率向量，Y为样本的标签，此例中Y为1，0，计算交叉熵损失对于多分类问题。
2、在二分类问题中，交叉熵损失函数的公式可以表示为Loss = 1n * Σ + * log，其中n为样本数量，y_i为样本i的真实标签，p_i为样本i的预测概率在多分类问题中，交叉熵损失函数的公式可以表示为Loss = 1n * Σ，其中M为类别总数，i表示第i个样本，yic表示第i个样本类别c的标签。