交叉熵损失函数原理

链接：https://blog.csdn.net/b1055077005/article/details/100152102
原博主讲的很清楚，此处我只修改了几个公式（应该是笔误造成的）

交叉熵损失函数原理详解

交叉熵损失函数(CrossEntropy Loss)是分类问题中经常使用的一种损失函数，特别是在神经网络做分类问题时，也经常使用交叉熵作为损失函数，交叉熵涉及到计算每个类别的概率，所以交叉熵几乎每次都和sigmoid(或softmax)函数一起出现。

交叉熵简介

交叉熵是信息论中的一个重要概念，主要用于度量两个概率分布间的差异性，要理解交叉熵，需要先了解下面几个概念。

信息量

信息奠基人香农（Shannon）认为“信息是用来消除随机不确定性的东西”，也就是说衡量信息量的大小就是看这个信息消除不确定性的程度。

“太阳从东边升起”，这条信息并没有减少不确定性，因为太阳肯定是从东边升起的，这是一句废话，信息量为0。

“小明平时不爱学习，考试经常不及格，而小王是个勤奋学习的好学生，经常得满分”，小明及格的可能性很低(十次考试只有一次及格)，因此如果某次考试及格了，必然会引入较大的信息量。而对于小王而言，考试及格是大概率事件，在事件B发生前，大家普遍认为事件B的发生几乎是确定的，因此当某次考试小王及格这个事件发生时并不会引入太多的信息量。

根据上述可总结如下：信息量的大小与信息发生的概率成反比。概率越大，信息量越小。概率越小，信息量越大。

设某一事件发生的概率为P(x)，其信息量表示为：

其中I(x)表示信息量，这里log表示以e为底的自然对数。

信息熵

信息熵也被称为熵，用来表示所有信息量的期望。

期望是试验中每次可能结果的概率乘以其结果的总和。

所以信息量的熵可表示为：（这里的X是一个离散型随机变量）

小例子：使用明天的天气概率来计算其信息熵：

序号	事件	概率P	信息量
1	明天是晴天	0.5	-log(0.5)
2	明天是雨天	0,2	-log(0.2)
3	明天是多云	0.3	-log(0.3)

对于0-1分布的问题，由于其结果只用两种情况，是或不是，设某一件事情发生的概率为P(x)，则另一件事情发生的概率为1−P(x)，所以对于0-1分布的问题，计算熵的公式可以简化如下：

相对熵（KL散度）

如果对于同一个随机变量X有两个单独的概率分布P(x) Q(x) ，则我们可以使用KL散度来衡量这两个概率分布之间的差异。

下面直接列出公式，再举例子加以说明。

在机器学习中，常常使用P(x) 来表示样本的真实分布，Q(x) 来表示模型所预测的分布，比如在一个三分类任务中（例如，猫狗马分类器），x1,x2,x3 分别代表猫，狗，马，例如一张猫的图片真实分布P(X)=[1,0,0], 预测分布Q(X)=[0.7,0.2,0.1] 计算KL散度：

KL散度越小，表示P(x)与Q(x)的分布更加接近，可以通过反复训练Q(x) 来使Q(x) 的分布逼近P(x)。

交叉熵

首先将KL散度公式拆开：

前者H(p(x)) 表示信息熵，后者即为交叉熵，KL散度 = 交叉熵 - 信息熵

交叉熵公式表示为：

在机器学习训练网络时，输入数据与标签常常已经确定，那么真实概率分布P(x) 也就确定下来了，所以信息熵在这里就是一个常量。由于KL散度的值表示真实概率分布P(x) 与预测概率分布Q(x) 之间的差异，值越小表示预测的结果越好，所以需要最小化KL散度，而交叉熵等于KL散度加上一个常量（信息熵），且公式相比KL散度更加容易计算，所以在机器学习中常常使用交叉熵损失函数来计算loss就行了。

交叉熵在单分类问题中的应用

在线性回归问题中，常常使用MSE(Mean Squared Error)作为loss函数，而在分类问题中常常使用交叉熵作为loss函数。

下面通过一个例子来说明如何计算交叉熵损失值。

假设我们输入一张狗的图片，标签与预测值如下：

*	猫	狗	马
Label	0	1	0
Prediction	0.2	0.7	0.1

那么loss

一个batch的loss为

其中m表示样本个数，n为标签类别的个数。

总结：

交叉熵能够衡量同一个随机变量中的两个不同概率分布的差异程度，在机器学习中就表示为真实概率分布与预测概率分布之间的差异。交叉熵的值越小，模型预测效果就越好。

交叉熵在分类问题中常常与softmax是标配，softmax将输出的结果进行处理，使其多个分类的预测值和为1，再通过交叉熵来计算损失。