转载

机器学习最常用的损失函数之交叉熵

阅读大概需要4分钟 机器学习最常用的损失函数之交叉熵

作者 rtygbwwwerr  huangjx36

编辑  zenRRan 稍有修改

链接

https://blog.csdn.net/rtygbwwwerr/article/details/50778098

https://blog.csdn.net/huangjx36/article/details/78147617

交叉熵是一个在 ML 领域 经常 会被提到的名词。在这篇文章里将对这个概念进行 详细的分析

什么是信息量?

假设X是一个离散型随机变量,其取值集合为X,概率分布函数为p(x)=Pr(X=x),x∈X,我们定义事件X=x0的信息量为: 

I(x0)=−log(p(x0)),可以理解为, 一个事件发生的概率越大,则它所携带的信息量就越小 ,而当p(x0)=1时,熵将等于0,也就是说该事件的发生不会导致任何信息量的增加。举个例子,小明平时不爱学习,考试经常不及格,而小王是个勤奋学习的好学生,经常得满分,所以我们可以做如下假设: 

事件A:小明考试及格,对应的概率P(xA)=0.1,信息量为I(xA)=−log(0.1)=3.3219 

事件B:小王考试及格,对应的概率P(xB)=0.999,信息量为I(xB)=−log(0.999)=0.0014 

可以看出,结果非常符合直观:小明及格的可能性很低(十次考试只有一次及格),因此如果某次考试及格了(大家都会说:XXX竟然及格了!),必然会引入较大的信息量,对应的I值也较高。而对于小王而言,考试及格是大概率事件,在事件B发生前,大家普遍认为事件B的发生几乎是确定的,因此当某次考试小王及格这个事件发生时并不会引入太多的信息量,相应的I值也非常的低。

什么是熵?

那么 什么又是熵 呢?还是通过上边的例子来说明,假设小明的考试结果是一个0-1分布XA只有两个取值{0:不及格,1:及格},在某次考试结果公布前,小明的考试结果有多大的不确定度呢?你肯定会说:十有八九不及格!因为根据先验知识,小明及格的概率仅有0.1,90%的可能都是不及格的。 怎么来度量这个不确定度 ?求 期望 !不错,我们对所有可能结果带来的额外信息量求取均值(期望),其结果不就能够衡量出小明考试成绩的不确定度了吗。 

即: 

对应小王的熵: 

虽然小明考试结果的不确定性较低,毕竟十次有9次都不及格,但是也比不上小王(1000次考试只有一次才可能不及格,结果相当的确定) 

我们再假设一个成绩相对普通的学生小东,他及格的概率是P(xC)=0.5,即及格与否的概率是一样的,对应的熵: 

其熵为1,他的不确定性比前边两位同学要高很多,在成绩公布之前,很难准确猜测出他的考试结果。 

可以看出,熵其实是信息量的期望值,它是一个随机变量的确定性的度量。熵越大,变量的取值越不确定,反之就越确定。

对于一个随机变量X而言,它的所有可能取值的信息量的期望(E[I(x)])就称为熵。 

X的熵定义为: 

机器学习最常用的损失函数之交叉熵

如果p(x)是连续型随机变量的pdf,则熵定义为: 

机器学习最常用的损失函数之交叉熵

为了保证有效性,这里约定当p(x)→0时,有p(x)logp(x)→0 

当X为0-1分布时, 熵与概率p的关系如下图

机器学习最常用的损失函数之交叉熵

可以看出, 当两种取值的可能性相等时,不确定度最大 (此时没有任何先验知识),这个结论可以推广到多种取值的情况。在图中也可以看出,当p=0或1时,熵为0,即此时X完全确定。 

熵的单位随着公式中log运算的底数而变化,当底数为2时,单位为“比特”(bit),底数为e时,单位为“奈特”。

什么是相对熵?

相对熵 (relative entropy)又称为 KL散度 (Kullback-Leibler divergence),KL距离,是两个随机分布间距离的度量。记为DKL(p||q)。它度量当真实分布为p时,假设分布q的无效性。 

机器学习最常用的损失函数之交叉熵

并且为了保证连续性,做如下约定: 

显然,当p=q时,两者之间的相对熵DKL(p||q)=0 

上式最后的Hp(q)表示在p分布下,使用q进行编码需要的bit数,而H(p)表示对真实分布p所需要的最小编码bit数。基于此,相对熵的意义就很明确了:DKL(p||q)表示在真实分布为p的前提下,使用q分布进行编码相对于使用真实分布p进行编码(即最优编码)所多出来的bit数。

什么是交叉熵?

交叉熵 容易跟相对熵搞混,二者联系紧密,但又有所区别。假设有两个分布p,q,则它们在给定样本集上的交叉熵定义如下: 

可以看出,交叉熵与上一节定义的相对熵 仅相差了H(p) ,当p已知时,可以把H(p)看做一个常数,此时交叉熵与KL距离在行为上是等价的,都反映了分布p,q的相似程度。最小化交叉熵等于最小化KL距离。它们都将在p=q时取得最小值H(p)(p=q时KL距离为0),因此有的工程文献中将最小化KL距离的方法称为Principle of Minimum Cross-Entropy (MCE)或Minxent方法。 

特别的,在logistic regression中, 

p: 真实样本 分布,服从参数为p的0-1分布,即X∼B(1,p) 

q: 待估计 的模型,服从参数为q的0-1分布,即X∼B(1,q) 

两者的交叉熵为: 

机器学习最常用的损失函数之交叉熵

对所有训练样本取 均值 得: 

这个结果与通过 最大似然估计 方法求出来的结果一致。

每日托福单词

quantum  n. 量子

amendment   n. 修正,修改,修正案

composed  adj. 镇定的,沉着的

remnant  n. 残余,剩余部分

undermine  n. 破坏,削弱

原文  http://mp.weixin.qq.com/s/y1Q4-DnpdpHlgu5cC0EdVw
正文到此结束
Loading...