信息熵/相對熵/交叉熵

信息熵

信息熵也被稱為熵,用來表示所有信息量的期望。

其中X是一個(gè)離散型隨機(jī)變量猎唁。

相對熵

相對熵即KL散度。如果隨機(jī)變量X有兩個(gè)單獨(dú)的概率分布P(x)和Q(x)顷蟆,用KL散度即相對熵來衡量兩個(gè)概率分布之間的差異诫隅。

KL散度越接小,代表兩個(gè)分布越接近慕的。訓(xùn)練Q(x)來使得Q(x)逼近P(x)阎肝。

交叉熵

相對熵=交叉熵-信息熵

在機(jī)器學(xué)習(xí)訓(xùn)練網(wǎng)絡(luò)的過程中,輸入數(shù)據(jù)和標(biāo)簽是確定的肮街,所以真實(shí)概率分布P(x)也是確定的风题,那么信息熵就是一個(gè)常量。訓(xùn)練目標(biāo)是最小化相對熵嫉父,由于信息熵是常量沛硅,所以等價(jià)于最小化交叉熵(且交叉熵比相對熵好算)。所以機(jī)器學(xué)習(xí)中绕辖,常常使用交叉熵作為Loss Function摇肌。

為什么分類要用交叉熵?

1仪际、交叉熵=相對熵+信息熵围小。交叉熵能夠衡量同一個(gè)隨機(jī)變量中的兩個(gè)不同概率分布的差異程度,即真實(shí)概率分布與預(yù)測概率分布之間的差異树碱。交叉熵的值越小肯适,模型預(yù)測效果就越好。
2成榜、交叉熵在分類問題中常常與softmax是標(biāo)配框舔。

為什么交叉熵和softmax是標(biāo)配?

首先在二元分類的情況下赎婚,Softmax 退化為了 Sigmoid刘绣。詳見:
softmax與sigmoid

從梯度消失的角度講:sigmiod函數(shù)在z值很大或很小的時(shí)候幾乎不變,也就是梯度接近零挣输,如果用最小二乘不會解決這個(gè)梯度消失問題纬凤,故不選擇最小二乘損失。
那為什么交叉熵?fù)p失卻可以呢歧焦?因?yàn)?log抵消掉了exp!
根據(jù)推導(dǎo)移斩,可以看到原因有兩個(gè):1肚医、梯度與z有關(guān),而與z'無關(guān)向瓷,從而避免了梯度彌散肠套。2、z-y表示誤差猖任,誤差越大你稚,梯度更新值越大,加快收斂對朱躺。

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末刁赖,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子长搀,更是在濱河造成了極大的恐慌宇弛,老刑警劉巖,帶你破解...
    沈念sama閱讀 216,651評論 6 501
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件源请,死亡現(xiàn)場離奇詭異枪芒,居然都是意外死亡,警方通過查閱死者的電腦和手機(jī)谁尸,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,468評論 3 392
  • 文/潘曉璐 我一進(jìn)店門舅踪,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人良蛮,你說我怎么就攤上這事抽碌。” “怎么了决瞳?”我有些...
    開封第一講書人閱讀 162,931評論 0 353
  • 文/不壞的土叔 我叫張陵货徙,是天一觀的道長。 經(jīng)常有香客問我皮胡,道長破婆,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 58,218評論 1 292
  • 正文 為了忘掉前任胸囱,我火速辦了婚禮,結(jié)果婚禮上瀑梗,老公的妹妹穿的比我還像新娘烹笔。我一直安慰自己,他們只是感情好抛丽,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,234評論 6 388
  • 文/花漫 我一把揭開白布谤职。 她就那樣靜靜地躺著,像睡著了一般亿鲜。 火紅的嫁衣襯著肌膚如雪允蜈。 梳的紋絲不亂的頭發(fā)上冤吨,一...
    開封第一講書人閱讀 51,198評論 1 299
  • 那天,我揣著相機(jī)與錄音饶套,去河邊找鬼漩蟆。 笑死,一個(gè)胖子當(dāng)著我的面吹牛妓蛮,可吹牛的內(nèi)容都是我干的怠李。 我是一名探鬼主播,決...
    沈念sama閱讀 40,084評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼蛤克,長吁一口氣:“原來是場噩夢啊……” “哼捺癞!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起构挤,我...
    開封第一講書人閱讀 38,926評論 0 274
  • 序言:老撾萬榮一對情侶失蹤髓介,失蹤者是張志新(化名)和其女友劉穎,沒想到半個(gè)月后筋现,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體唐础,經(jīng)...
    沈念sama閱讀 45,341評論 1 311
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,563評論 2 333
  • 正文 我和宋清朗相戀三年夫否,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了彻犁。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點(diǎn)故事閱讀 39,731評論 1 348
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡凰慈,死狀恐怖汞幢,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情微谓,我是刑警寧澤森篷,帶...
    沈念sama閱讀 35,430評論 5 343
  • 正文 年R本政府宣布,位于F島的核電站豺型,受9級特大地震影響仲智,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜姻氨,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,036評論 3 326
  • 文/蒙蒙 一钓辆、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧肴焊,春花似錦前联、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,676評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至届宠,卻和暖如春烁落,著一層夾襖步出監(jiān)牢的瞬間乘粒,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 32,829評論 1 269
  • 我被黑心中介騙來泰國打工伤塌, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留灯萍,地道東北人。 一個(gè)月前我還...
    沈念sama閱讀 47,743評論 2 368
  • 正文 我出身青樓寸谜,卻偏偏與公主長得像竟稳,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個(gè)殘疾皇子熊痴,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,629評論 2 354