熵

熵的概念最早起源于物理学，用于度量一个热力学系统的无序程度。在信息论里面，熵是对不确定性的测量。

1.信息量

假设我们听到了两件事，分别如下：
事件A：巴西队进入了2018世界杯决赛圈。
事件B：中国队进入了2018世界杯决赛圈。
事件B的信息量比事件A的信息量要大。因为事件A发生的概率很大，事件B发生的概率很小。所以当越不可能的事件发生了，我们获取到的信息量就越大。
假设X是一个离散型随机变量，其取值集合为χ,概率分布函数p(x)=Pr(X=x),x∈χ,则定义事件X=x0的信息量为：
I(x0)=−log(p(x0))
由于是概率所以p(x0)的取值范围是[0,1],绘制为图形如下：

2.熵(Entropy)

考虑另一个问题，对于某个事件，有n种可能性，每一种可能性都有一个概率p(xi)
这样就可以计算出某一种可能性的信息量。举一个例子，假设你拿出了你的电脑，按下开关，会有三种可能性，下表列出了每一种可能的概率及其对应的信息量

现在有了信息量的定义，而熵用来表示所有信息量的期望，即：

其中n代表所有的n种可能性，所以上面的问题结果就是

对于一个一定会发生的事件，其发生概率为1， H(x) =- log(1) * 1 = -0*1=0 ，信息量为0。
然而有一类比较特殊的问题，比如投掷硬币只有两种可能，字朝上或花朝上。买彩票只有两种可能，中奖或不中奖。我们称之为0-1分布问题（二项分布的特例），对于这类问题，熵的计算方法可以简化为如下算式：

信息熵越大系统越混乱，携带的信息量越大。
例如有两个信源，其中概率分布分别为

则信息熵分别为:

可见，信源 Y 比信源 X 的平均自信息要大，即 Y 携带的信息量比 X 携带的信息量大。从 X 和 Y 的概率分布也可直观得出 Y 的不确定性更大，当信源发出 X 信号时，信宿端很大可能会接收到 a1 ，但是当信源发送出 Y 时，信宿端并不能猜出到底是 b1 还是 b2 。

3.相对熵（KL散度）----衡量两个事件/分布之间的不同

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，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]
直观的理解就是如果用P来描述样本，那么就非常完美。而用Q来描述样本，虽然可以大致描述，但是不是那么的完美，信息量不足，需要额外的一些“信息增量”才能达到和P一样完美的描述。如果我们的Q通过反复训练，也能完美的描述样本，那么就不再需要额外的“信息增量”，Q等价于P。
KL散度的计算公式：

n为事件的所有可能性。
DKL的值越小，表示q分布和p分布越接近

4.交叉熵

对KL散度的计算公式变形：

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，即DKL(y||y^)，由于KL散度中的前一部分−H(y)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。

• 熵：可以表示一个事件A包含多少信息。
• KL散度：可以用来表示从事件A的角度来看，事件B有多大不同。
• 交叉熵：可以用来表示从事件A的角度来看，如何描述事件B。
• KL散度可以被用于计算代价，而在特定情况下最小化KL散度等价于最小化交叉熵。而交叉熵的运算更简单，所以用交叉熵来当做代价。

5.交叉熵在单分类问题中的应用

这里的单类别是指，每一张图像样本只能有一个类别，比如只能是狗或只能是猫。
交叉熵在单分类问题上基本是标配的方法

n代表着n种类别
比如有如下样本

对应的标签和预测值

则：

对应一个batch的loss就是 ：

m为当前batch的样本数

6.交叉熵在多分类问题中的应用

这里的多类别是指，每一张图像样本可以有多个类别，比如同时包含一只猫和一只狗
和单分类问题的标签不同，多分类的标签是n-hot。
比如下面这张样本图，即有青蛙，又有老鼠，所以是一个多分类问题

对应的标签和预测值：

注：这里的Pred不再是通过softmax计算的了，这里采用的是sigmoid。将每一个节点的输出归一化到[0,1]之间。所有Pred值的和也不再为1。即每一个Label都是独立分布的，相互之间没有影响。所以交叉熵在这里是单独对每一个节点进行计算，每一个节点只有两种可能值，所以是一个二项分布。对于二项分布这种特殊的分布，熵的计算可以进行简化。同样的，交叉熵的计算也可以简化，即 ：

注:上式只是针对一个节点的计算公式。这一点一定要和单分类loss区分开来。
例子中可以计算为：

单张样本的loss即为:loss=loss猫+loss蛙+loss鼠
每一个batch的loss就是：

式中m为当前batch中的样本量，n为类别数。

7.熵值法估计权重模型

1. 选取 n 个国家，m 个指标，则 xij 为第 i 个国家的第 j 个指标的数值(i=1,2…,n;j=1,2,…,m)

2. 指标的归一化处理：异质指标同质化，由于各项指标的计量单位并不统一，因此在用它们计算综合指标前，先要对它们进行标准化处理，即把指标的绝对值转化为相对值，并令 xij=|xij|，从而解决各项不同质指标值的同质化问题。由于正向指标和负向指标数值代表的含义不同（正向指标数值越高越好，负向指标数值越低越好），因此，对于高低指标我们用不同的算法进行数据标准化处理。其具体方法如下:
   正向指标:
   负向指标:
   则 x′ij 为第 i 个国家的第 j 个指标的数值(i=1,2…,n;j=1,2,…,m)。为了方便起见，归一化后的数据仍记为 xij

3. 计算第j项指标下第i个国家占该指标的比重：

4. 计算第 j​ 项指标的熵值：
   
   注： k 系数是使得 ej∈(0,1)

5. 计算信息熵冗余度：
   
   冗余度和熵值是负相关的

6. 计算各项指标的权值：
   

7. 计算各国家的综合得分：