理解交叉熵
首先说说概率论的期望值
期望:表示随机变量的均值
如果变量满足均匀分布,那么期望=均值(比如抛硬币问题)
然后理解什么是熵。
熵:表示所有信息量的期望,信息量: (log的底数是可以改变的,默认底数为2)
我们说,概率越小,表示信息量越大(比如中国队进入世界杯决赛,这就是小概率事件,则信息量大,熵也大)
熵的定义:
那我们对信息量求期望,则
然后理解什么是相对熵(即KL散度)
KL散度:同一随机变量,有两个单独的概率分布 、 ,我们可以用KL散度来衡量这两个分布之间的差异
从公式可看出,KL散度值越小,表示P和Q的分布越接近(可以把P、Q分别看做标签和预测集)
对于式(2)
由式(1)
只与P值(概率值)有关,这是一个定值,能够影响 的大小的是
这个就是交叉熵的表达式
交叉熵:
由此可以看出,降低交叉熵,可以保证P、Q的值越来越接近,即标签与预测集越来越接近,则设计的算法模型越好。
完毕。