Kategoryczna entropia krzyżowa (Categorical Cross-Entropy, CCE) to funkcja straty stosowana w uczeniu maszynowym do klasyfikacji wieloklasowej, gdzie każda próbka należy do jednej z wielu możliwych kategorii. Mierzy ona różnicę między rzeczywistym rozkładem prawdopodobieństwa klas a rozkładem przewidywanym przez model. Wartość funkcji zmniejsza się, gdy przewidywania modelu stają się coraz bardziej zgodne z prawdziwymi etykietami. CCE jest powszechnie wykorzystywana w treningu głębokich sieci neuronowych w połączeniu z funkcją aktywacji Softmax na warstwie wyjściowej.
Categorical Cross-Entropy (Kategoryczna entropia krzyżowa) (CCE)
