交叉熵

鸣谢：https://blog.csdn.net/tsyccnh/article/details/79163834

---

图片.png

什么是熵？

X是一个离散型随机变量，其取值集合为X，可以理解为，一个事件发生的概率越大，则它所携带的信息量就越小，而当p(x0)=1时，熵将等于0，也就是说该事件的发生不会导致任何信息量的增加。

---

熵的定义：

X的熵定义为：

例：HA(x)=−[p(xA)log(p(xA))+(1−p(xA))log(1−p(xA))]=0.4690

如果p(x)是连续型随机变量的pdf，则熵定义为：

我们假设一个成绩相对普通的学生小东，他及格的概率是P(xC)=0.5,即及格与否的概率是一样的，对应的熵：
HC(x)=−[p(xC)log(p(xC))+(1−p(xC))log(1−p(xC))]=1
其熵为1，他的不确定性较高，在成绩公布之前，很难准确猜测出他的考试结果。 可以看出，熵其实是信息量的期望值，它是一个随机变量的确定性的度量。熵越大，变量的取值越不确定，反之就越确定。

image.png

---

什么是相对熵？

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，比如[1,0,0]表示当前样本属于第一类。Q用来表示模型所预测的分布，比如[0.7,0.2,0.1]

                       

n为事件的所有可能性。
的值越小，表示q分布和p分布越接近

---

交叉熵怎么计算？
https://blog.csdn.net/u011754972/article/details/80857578

=

交叉熵就是等式最终的右侧：
左侧是P分布的熵

在机器学习中，P往往用来表示样本的真实分布，比如[1,0,0]表示当前样本属于第一类。Q用来表示模型所预测的分布，比如[0.7,0.2,0.1] ，因为用相对熵刻画两种分布的异同时，真实分布的熵很显然不会变，所以只需要保障交叉熵最小即可。

交叉熵与MSE（均分误差）：
https://www.jianshu.com/p/9026f3bef575

• 交叉熵计算量更小一点，MSE需要计算每一个类别比如y_pre（0.2, 0.3, 0.5），yi（0,1,0） 需要计算3个减法平方相加(0.2-0)^2 + (0.3-1) ^ 2 + (0.5-0)^2，使用交叉熵的话 值只需要计算-0.3*log(0.3)

• 交叉熵对梯度的更新不需要对sigmoid函数求导，权重的学习速度只受到 σ(z)-y 的控制，即输出与标签的误差的控制，而与sigmoid函数的导数无关。

• 收敛速度交叉熵比MSE更快，举个例子：

一个样本预测值[x,1-x]，目标值[0,1]，另一个样本预测值[y,1-y]，目标值[1,0]

由下图可见MSE比交叉熵更平缓，在复杂的多分类问题中可能计算收敛速度较慢。

图片.png