从GCN中学习的信息熵

之前在GCN中碰到的交叉熵损失函数是分类问题中经常使用的一种损失函数，对于其内部原理感觉没有完全懂，今天来深入理解一下。

交叉熵简介

交叉熵 ：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
信息是用来消除随机不确定性的东西”，衡量信息量的大小就是看这个信息消除不确定性的程度。
“太阳东升西落”，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西边落下，这是一句人人都知道的话，信息量为0。
”2018年中国队成功进入世界杯“，从直觉上来看，这句话具有很大的信息量。因为中国队进入世界杯的不确定性因素很大，而这句话消除了进入世界杯的不确定性，所以按照定义，这句话的信息量很大。
根据上述总结：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。
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）

对0-1分布的问题，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 X有两个单独的概率分布 P ( x ) 和 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。
机器学习中，常常使用 P ( x ) P\left(x\right) P(x)来表示样本的真实分布， Q ( x ) Q \left(x\right) 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）， x 1 , x 2 , x 3 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，说明真实概率分布 P ( x )已经确定，即信息熵是一个常量。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，其值越小说明预测结果越好。因此需要最小化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。
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。
如GCN中预测：