【机器学习】分别从极大似然和熵的角度来看交叉熵损失

参考：交叉熵和对数损失函数之间的关系

            SoftMax函数，交叉熵损失函数与熵，对数似然函数 

从极大似然的角度	从熵的角度
假设样本为X，其对应的类别为Y，P(Y|X)就是给定X判断为Y的后验概率。我们希望每一个样本X被正确预测到相应类别Y的概率都最大，即max P(Y|X)，那么所有样本正确预测概率相乘最大化就是我们所期望的，因此采用极大似然的原理。 Step1：构建似然函数 Step2：构建对数似然函数，以简便运算 Step3：构建损失函数 我们的目标是希望对数似然函数更大，即等价于使负的对数似然函数最小，即。因此损失函数为： 对于单个样本有，对数（似然）损失函数由此而来。	首先引入信息量，信息量即信息多少的度量。公式表达如下，是事件x发生的概率。 之后引入信息熵，信息熵就是信息量的期望，它代表了一个系统的不确定性，系统中信息熵越大，事件x的不确定性越大。     对于一个样本集，存在两个概率分布p(x)和q(x)，其中p(x)为真实分布，q(x)为非真实分布（是我们预测的概率分布）。基于真实分布p(x)表示这个样本集的信息熵如下： 如果用非真实分布q(x)来表示样本集的信息量的话，有： 这个就是交叉熵。
一般情况下为多分类时，有： 其中P表示样本X被预测到正确类别Y的概率。则损失函数为： 这也就是多分类的交叉熵损失。这里y=1，因为对数损失只考虑样本X被正确预测到相应类别Y的概率尽可能大，无需考虑错分为其他类别的概率。	多分类情况下，q(x)是我们正确将模型预测为相应类别的概率，对应于左边的概率P。真实分布p(x)表示这个样本本身就为对应类别的概率，就为1。可以这么理解，假设这个样本的类别为2，那么它就是客观的真实的类别为2，不可能为其他类别，所以真实概率为1，对应于左边的y。则有： 即对应于极大似然角度下的多分类交叉熵损失
特殊地，当是二分类时，如逻辑回归，P为模型预测为类别1的概率，那么预测为类别0的概率就为1-P，则有: 此时套用上面的对数损失函数有：   即就是二分类的交叉熵损失	特殊地，当是二分类时，则有 这里表示类别为1的样本x被正确判断的真实概率，对应于左边的y，为1。相应地， 是类别为0的样本x被正确判断的真实概率，为。 示类别为1的样本x被预测为1类别概率，对应于左边的P。相应地， 是类别为0的样本x被正确判断为0类的概率，为。 因此有: 即对应于极大似然角度下的二分类交叉熵损失