简单的交叉熵损失函数，你真的懂了吗？

说起交叉熵损失函数「Cross Entropy Loss」，脑海中立马浮现出它的公式：

 

L=−[ylog ŷ +(1−y)log (1−ŷ )]

 

我们已经对这个交叉熵函数非常熟悉，大多数情况下都是直接拿来使用就好。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？上面的交叉熵函数是否有其它变种？也许很多朋友还不是很清楚！没关系，接下来我将尽可能以最通俗的语言回答上面这几个问题。

1. 交叉熵损失函数的数学原理

我们知道，在二分类问题模型：例如逻辑回归「Logistic Regression」、神经网络「Neural Network」等，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)=11+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 。

我们说了，预测输出即 Sigmoid 函数的输出表征了当前样本标签为 1 的概率：

 

ŷ =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−ŷ =P(y=0|x)

 

重点来了，如果我们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)=ŷ y⋅(1−ŷ )1−y

 

不懂极大似然估计也没关系。我们可以这么来看：

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−ŷ 

 

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)=ŷ 

 

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：

 

log P(y|x)=log(ŷ y⋅(1−ŷ )1−y)=ylog ŷ +(1−y)log(1−ŷ )

 

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 ŷ +(1−y)log (1−ŷ )]

 

非常简单，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：

 

L=∑i=1Ny(i)log ŷ (i)+(1−y(i))log (1−ŷ (i))

 

这样，我们已经完整地实现了交叉熵损失函数的推导过程。

2. 交叉熵损失函数的直观理解

可能会有读者说，我已经知道了交叉熵损失函数的推导过程。但是能不能从更直观的角度去理解这个表达式呢？而不是仅仅记住这个公式。好问题！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 ŷ +(1−y)log (1−ŷ )]

 

我们知道，当 y = 1 时：

 

L=−log ŷ 

 

这时候，L 与预测输出的关系如下图所示：