خطوات الاستخدام
أدخل مؤشر الفئة الحقيقية (trueLabel): يمثل هذا الرقم الفئة الصحيحة التي تنتمي إليها العينة. يبدأ الترقيم من 0، لذا إذا كان لديك 3 فئات (0، 1، 2) وكانت الفئة الحقيقية هي الثانية، فستدخل الرقم 1.
أدخل توزيع الاحتمالات المتوقع (predictedDist): هذه مصفوفة من الأرقام بين 0 و1 تمثل الاحتمالات التي توقعها النموذج لكل فئة. يجب أن يكون مجموع الاحتمالات مساويًا لـ 1. مثال: [0.2, 0.7, 0.1] لنموذج ثلاثي الفئات.
تقوم الحاسبة بتحويل الفئة الحقيقية إلى ترميز واحد ساخن (one-hot vector)، حيث يكون الفهرس المقابل للفئة الحقيقية هو 1 وباقي العناصر 0. ثم تحسب الخسارة باستخدام الصيغة: Loss = -log(p_i) حيث p_i هو الاحتمال المتوقع للفئة الحقيقية.
تظهر النتيجة خسارة الانتروبيا المتقاطعة. كلما كانت الخسارة أصغر، كان أداء النموذج أفضل. على سبيل المثال، إذا كان الاحتمال المتوقع للفئة الحقيقية قريبًا من 1، تكون الخسارة قريبة من 0. أما إذا كان الاحتمال صغيرًا، تصبح الخسارة كبيرة جدًا.