Cross Entropy Loss 交叉熵损失函数公式推导
表达式
输出标签表示为{0,1}时，损失函数表达式为：
$L = -[y log \hat{y} + (1-y)log(1- \hat{y})]$
二分类
二分类问题，假设 y∈{0,1}
正例：$P(y = 1| x) = \hat{y}$
反例：$P(y=0|x) = 1-\hat{y}$
取似然函数
似然函数就是所有样本在参数θ下发生概率最大的那种情况，由于样本独立同分布，因此概率最大的情况就是每个样本发生概率的连乘。
测试工具: 2019年测试自动化最佳Python框架
Pytest
pytest用于各种软件测试，是测试自动化的顶级Python测试框架。 开源和易学，该工具可供QA团队，开发团队以及个人实践团队和开源项目使用。 如'断言重写'有用的功能，互联网上的大多数项目，包括像Dropbox和Mozilla，已经从unittest（Pyunit）切换到pytest。
