바이너리 크로스 엔트로피(BCE)는 이진 분류의 기본 손실 함수지만, 불균형 데이터셋에서 심각한 문제를 야기할 수 있다. BCE는 두 클래스의 오류를 동등하게 가중하는데, 한 클래스가 극도로 드물 경우에도 마찬가지로 적용된다. 예를 들어, 소수 클래스 샘플의 실제 레이블이 1이고 예측값이 0.3인 경우와 다수 클래스 샘플과의 비교를 해보면… [원문은 링크를 참고해주세요]

<Mark Tech Post 뉴스 본문 전체읽기>