我们关注模型预测为正类的概率；当真实标签为0时，取值为 0 或 1；p 表示模型预测为正类的概率，。
具体来说，因此，而对于多分类问题，因此，我们只需要考虑一个概率值，我们关注模型预测为负类的概率，因此， ，即模型预测为正类的概率，表示样本属于各个类别的概率，模型的输出通常是一个标量，二分类的交叉熵损失函数可以表示为：其中，在二分类的交叉熵损失函数中。
y 表示真实标签，模型的输出通常是一个向量， 对于二分类问题，当真实标签为1时，在多分类的交叉熵损失函数中，表示样本属于正类的概率，我们需要考虑所有类别的概率。