2nd/10_Wiki/Topics/AI_and_ML/Cross-Entropy Loss.md

id, category, confidence_score, tags, last_reinforced

id	category	confidence_score	tags	last_reinforced
LOSS-001	Unified	1.0	math Deep-Learning|Deep-Learning loss-function Information-Theory|Information-Theory cross-entropy	2026-04-26

Cross-Entropy Loss (교차 엔트로피 손실)

📌 한 줄 통찰 (The Karpathy Summary)

"모델의 예측 분포와 실제 정답 분포 사이의 거리(놀람의 정도)를 측정하여 좁혀라" — 정보 이론의 엔트로피 개념을 빌려와, 모델이 출력한 확률 분포가 정답 분포와 얼마나 다른지를 수치화한 손실 함수로 분류 문제의 표준.

📖 구조화된 지식 (Synthesized Content)

• 추출된 패턴: 정답 클래스에 대해 모델이 낮은 확률을 줄수록 더 큰 페널티를 부여하여, 모델이 정답에 대해 확신을 갖도록 유도하는 확률 정렬 패턴.
• 수학적 의미:
  • Entropy: 시스템의 불확실성/정보량 측정.
  • KL Divergence: 두 확률 분포 사이의 차이 측정.
  • Cross-Entropy: H(p, q) = -\sum p(x) \log q(x). 정답 분포(p)와 예측 분포(q) 사이의 유사도 측정.
• 특징: 로그 함수를 사용하여 예측이 틀릴수록 손실값이 기하급수적으로 커짐. 이를 통해 경사 하강법 시 가중치를 강력하게 업데이트함.

⚠️ 모순 및 업데이트 (Contradictions & RL Update)

• 과거 데이터와의 충돌: 단순한 오차 제곱합(MSE)을 분류 문제에 쓰던 방식보다 훨씬 빠른 수렴 속도와 높은 성능을 보임이 입증되며 사실상의 표준이 됨.
• 정책 변화: Antigravity 프로젝트는 에이전트의 문서 분류 및 의도 인식 모델 학습 시 교차 엔트로피 손실 함수를 기본으로 사용하며, 클래스 불균형 해결을 위해 Focal Loss 등 변형 기법을 함께 검토함.

🔗 지식 연결 (Graph)

• Objective-Functions, Gradient-Descent, Machine-Learning, Deep-Learning
• Raw Source: 10_Wiki/Topics/AI/Cross-Entropy Loss.md