【PyTorch 理论】交叉熵损失函数的理解

说起交叉熵损失函数「Cross Entropy Loss」，马上就能说出它的二分类公式： $$L=-[ylog\hat{y}+(1-y)log(1-\hat{y})]$$ 其中 y为真实标签， $\hat{y}$为预测概率。
但是它是怎么来的？为什么它能表征真实样本标签和预测概率之间的差值？

一、交叉熵损失函数的数学原理

我们知道，在二分类问题模型，真实样本的标签为 [0，1]，分别表示负类和正类。模型的最后通常会经过一个 Sigmoid 函数，输出一个概率值，这个概率值反映了预测为正类的可能性：概率越大，可能性越大。

Sigmoid 函数的表达式和图形如下所示：

$$g(s)=\frac{1}{1+e^{-s}}$$

其中 s 是模型上一层的输出，Sigmoid 函数有这样的特点：s = 0 时，g(s) = 0.5；s >> 0 时， g ≈ 1; s<<0时，g ≈ 0。显然，g(s) 将前一级的线性输出映射到 [0，1] 之间的数值概率上。这里的 g(s) 就是交叉熵公式中的模型预测输出 。

预测输出$\hat{y}$即 Sigmoid 函数的输出表征了当前样本标签为 1 的概率：

$$\hat{y}=P(y=1|x)$$

很明显，当前样本标签为 0 的概率就可以表达成：

$$1-\hat{y}=P(y=0|x)$$
再从极大似然性的角度出发，把上面两种情况整合到一起： $$P(y|x)={\hat{y}}^y\ast (1-\hat{y}{)}^{1-y}$$
不懂极大似然估计也没关系。我们可以这么来看：

1. 当真实样本标签 y = 0 时，上面式子第一项就为 1，概率等式转化为： $$P(y=0|x)=1-\hat{y}$$
2. 当真实样本标签 y = 1 时，上面式子第二项就为 1，概率等式转化为： $$P(y=1|x)=\hat{y}$$

两种情况下概率表达式跟之前的完全一致，只不过我们把两种情况整合在一起了,重点看一下整合之后的概率表达式。
我们希望的是概率 P(y|x) 越大越好。首先，我们对 P(y|x) 引入 log 函数，因为 log 运算并不会影响函数本身的单调性。则有：

我们希望 log P(y|x) 越大越好，反过来，只要 log P(y|x) 的负值 -log P(y|x) 越小就行了。那我们就可以引入损失函数，且令 Loss = -log P(y|x)即可。则得到损失函数为：

$$L=-[ylog\hat{y}+(1-y)log(1-\hat{y})]$$
以上，我们已经推导出了单个样本的损失函数，是如果是计算 N 个样本的总的损失函数，只要将 N 个 Loss 叠加起来就可以了：

这样，我们已经完整地实现了交叉熵损失函数的推导过程。

二. 交叉熵损失函数的直观理解

接下来，我们从图形的角度，分析交叉熵函数，加深大家的理解。
首先，还是写出单个样本的交叉熵损失函数：

$$L=-[ylog\hat{y}+(1-y)log(1-\hat{y})]$$
我们知道，当 y = 1 时： $$L=-log\hat{y}$$
这时候，L 与预测输出的关系如下图所示：

横坐标是预测输出，纵坐标是交叉熵损失函数 L。显然，预测输出越接近真实样本标签 1，损失函数 L 越小；预测输出越接近 0，L 越大。因此，函数的变化趋势完全符合实际需要的情况。
当 y = 0 时： $$L=-log(1-\hat{y})$$
这时候，L 与预测输出的关系如下图所示：

同样，预测输出越接近真实样本标签 0，损失函数 L 越小；预测函数越接近 1，L 越大。函数的变化趋势也完全符合实际需要的情况。

从上面两种图，可以帮助我们对交叉熵损失函数有更直观的理解。无论真实样本标签 y 是 0 还是 1，L 都表征了预测输出与 y 的差距。

另外，重点提一点的是，从图形中我们可以发现：预测输出与 y 差得越多，L 的值越大，也就是说对当前模型的 “ 惩罚 ” 越大，而且是非线性增大，是一种类似指数增长的级别。这是由 log 函数本身的特性所决定的。这样的好处是模型会倾向于让预测输出更接近真实样本标签 y。