对信息量，熵，相对熵，交叉熵的理解

这篇文章写得很好：https://blog.csdn.net/tsyccnh/article/details/79163834

下面自己做个总结。

假设X是一个离散型随机变量，其取值集合为C,概率分布函数p(x)=Pr(X=x),x∈C,则定义事件X= x i 的 信息量 为：

上式有两个含义:

1、当事件发生前，表示该事件发生的不确定性；

2、当事件发生后，标是该事件所提供的信息量

信息量的单位取决于对数所取的底，若以2为底，单位为比特，以e为底，单位为奈特，以10为底，单位为哈特。

当越不可能的事件发生了，我们获取到的信息量就越大。越可能发生的事件发生了，我们获取到的信息量就越小。所以信息量应该和事件发生的概率有关。

熵用来表示所有信息量的期望，即： 

熵是从整个集合的统计特性来考虑的，它从平均意义上来表征信源的总体特征。

信息熵具有以下两种物理含义：

1、表示信源输出前信源的平均不确定性

2、表示信源输出后，每个符号所携带的平均信息量

相对熵又称KL散度,如果我们对于同一个随机变量 x 有两个单独的概率分布 P(x) 和 Q(x)，我们可以使用 KL 散度（Kullback-Leibler (KL) divergence）来衡量这两个分布的差异。

在机器学习中，P往往用来表示样本的真实分布，Q用来表示模型所预测的分布。

n为事件的所有可能性。 

KL散度的值越小，表示q分布和p分布越接近

交叉熵

对式KL散度计算公式变形可以得到

等式的前一部分恰巧就是p的熵，等式的后一部分，就是交叉熵：

在机器学习中，我们需要评估label和predicts之间的差距，使用KL散度刚刚好。由于KL散度中的前一部分-H(p(x))不变， 故在优化过程中，只需要关注交叉熵就可以了。所以一般在机器学习中直接用用交叉熵做loss，评估模型。