背景
生产中交叉熵被广泛应用于函数分类优化问题。就是如此完美的评估方法，其实有其缺陷，首先它要假设训练数据的分布的事件概率要具备真实性，如果有错误那么导致交叉熵评估的不准确的，导致模拟两可的答案可能性比较高。其次，需要大量数据进行训练优化。亟需一种不怎么依赖训练数据概率的交叉熵计算方法。
方法
可变训练数据分布概率，就是说训练数据的标签不一定可信在大量数据统计训练后，模型本身将具备纠正训练数据能力。
1、具备错误修正的交叉熵公式
2、多训练数据进行修正
3、用修正的训练和测试数据完成最终训练