Binarna entropia krzyżowa (Binary Cross-Entropy, BCE) to funkcja straty stosowana w modelach uczenia maszynowego do zadań klasyfikacji binarnej. Mierzy ona różnicę między przewidywanym przez model prawdopodobieństwem przynależności do danej klasy a rzeczywistą etykietą binarną (0 lub 1). Im większe odchylenie prognozy od prawdziwej wartości, tym wyższą wartość kary przybiera funkcja BCE. Dzięki temu optymalizacja modelu za pomocą wstecznej propagacji gradientu skutecznie koryguje wagi w stronę optymalnych przewidywań.
Binary Cross-Entropy (Binarna entropia krzyżowa) (BCE)
