信息熵、交叉熵与相对熵(KL散度)的关系，还介绍了联合信息熵和条件熵、互信息（信息增益）的概念

@(关于机器学习的其他)[KL散度][信息熵][交叉熵]

---

1、信息量

信息量用一个信息所需要的编码长度来定义,而一个信息的编码长度跟其出现的概率呈负相关,因为一个短编码的代价也是巨大的,因为会放弃所有以其为前缀的编码方式,比如字母”a”用单一个0作为编码的话,那么为了避免歧义,就不能有其他任何0开头的编码词了.所以一个词出现的越频繁,则其编码方式也就越短,同时付出的代价也大.

其实也就可以说一件事情发生概率很小的话，那么当他发生的时候所代表的信息量也更大

$$I=log_2(\frac{1}{p(x)})=−log_2(p(x))$$

2、信息熵

而信息熵则代表一个分布的信息量,或者编码的平均长度

1. 信息熵代表的是随机变量或整个系统的不确定性，熵越大，随机变量或系统的不确定性就越大。也就是信息量的一个总期望值也叫均值
2. 根据真实分布，我们能够找到一个最优策略，以最小的代价消除系统的不确定性，而这个代价大小就是信息熵
3. 信息熵衡量了系统的不确定性，而我们要消除这个不确定性，所要付出的【最小努力】（猜题次数、编码长度等）的大小就是信息熵

$$H(p)=\sum_{x}p(x)log_2(\frac{1}{p(x)})=\sum_{x}p(x)log_2(p(x))$$

3、交叉熵cross-entropy

交叉熵本质上可以看成,用一个猜测的分布的编码方式去编码其真实的分布,得到的平均编码长度或者信息量

交叉熵，用来衡量在给定的真实分布$p$下，使用非真实分布$q$所指定的策略消除系统的不确定性所需要付出的努力的大小
交叉熵越低，这个策略就越好，最低的交叉熵也就是使用了真实分布所计算出来的信息熵，因为此时 ，交叉熵 = 信息熵。这也是为什么在机器学习中的分类算法中，我们总是最小化交叉熵，因为交叉熵越低，就证明由算法所产生的策略最接近最优策略，也间接证明我们算法所算出的非真实分布越接近真实分布。

$$H_p(q)=\sum_{x}p(x)log_2(\frac{1}{q(x)})$$

3.1 交叉熵 cross-entropy在机器学习领域的作用

交叉熵cross-entropy在机器学习领域中经常作为最后的损失函数
为什么要用cross-entropy呢，根据上面的解释，他本质上相当于衡量两个分布之间的距离，因为只有当猜测的分布约接近于真实分布，则其值越小，下确界为真是分布计算的信息熵大小。

$$L=−\sum_{i}y_ilog(p(x_i))+(1−y_i)log(1−p(x_i))$$
在LR中用cross-entry比平方误差方法好在：
1. 在LR中，如果用平方损失函数，则损失函数是一个非凸的，而用cross-entropy的话就是一个凸函数
2. 用cross-entropy做LR求导的话，得到的导数公式如下

∂L∂θj