损失函数--KL散度与交叉熵

损失函数

在逻辑回归建立过程中，我们需要一个关于模型参数的可导函数，并且它能够以某种方式衡量模型的效果。这种函数称为损失函数（loss function)。

损失函数越小，则模型的预测效果越优。所以我们可以把训练模型问题转化为最小化损失函数的问题。

损失函数有多种，此次介绍分类问题最常用的交叉熵（cross entropy)损失,并从信息论和贝叶斯两种视角阐释交叉熵损失的内涵。

 ## 公式请查看：https://blog.csdn.net/Ambrosedream/article/details/103379183 

K-L散度与交叉熵

• 随机变量X有k种不同的取值：，，​。 记X的取值​ 的概率为p(X=​) ,简写为P（​) .

• 克劳德· 香农定义了信息的信息量：

  ​

  注：其中对数可以以任意合理数为底，如 2、e。使用不同的底数所得到的信息量之间相差一个常系数。

  若以2为底，信息量的单位是bit ，I（X=​ )是X = ​ 这条信息的自信息量（self-information) .

• 自信息量I随着概率P(​)的图像变化如下：

  

  扫描二维码关注公众号，回复： 8066942 查看本文章

  自信息量背后的含义：信息中事件发生的概率越小，则信息量越大。

  举例：假如有人告诉你即将开奖的彩票中奖号码是777777777，这条信息的价值很高，类似事情发生概率极小。假如有人告诉你明天太阳会升起，这件事对你来说价值很低，但是他发生的概率却很高。所以我们会觉得彩票的开奖号信息量很大，太阳升起的信息量较小。

   

   

• 我们令信息源X 取不同的值 ​ 的概率分布分别为​ .

• 定义信息源 X的熵（entropy)为：

  H(p) = ​

• 信息源由概率分布p描述，s所以熵是p的函数，熵的概念来自热力学。H(p)又称平均信息。

• 根据公式我们可以看出，H(p)是将X所有取值的自信息量以概率为权重取平均。

• 对于两个概率分布p和q, 定义p和q的K-L散度（kullback-leibler divergence)是：

  ​

• K-L散度是​ 在分布p上的期望。（注：KLD(p||q) ​ KLD(q||p))

• 根据上述公式我们可以发现，当和​ 相等时，​ 所以KLD散度等于0。所以说两个同分布的KLD散度为0，所以我们一般使用KLD描述两个概率分布之间的相似度。

• 我们定义交叉熵：

  ​

• 所以根据上述两式，有：

  H(p,q) = KLD(p||q) + H(p)

• 分布p和q的交叉熵等于它们的K-L散度加上p的熵。现在假设分布p固定，则H(p,q)与KLD(p||q)之间只相差一个常数H(p)，所以此时H(p,q)也可以被用来描述两个分部之间的相似程度。即：H(p,q)越小，p,q越相似。

 

1. 对于一个训练样本{​ } 可以标签​ 给出了一个类别的概率分布：

2. ，，​

3. 我们将逻辑回归模型的输出看做一个分布Q：

4. ，​

5. 所以我们希望回归模型的准确率尽可能地高，即是希望分布Q与训练集P的分布尽可能地相似，由此我们可以使用交叉熵来描述输出分布于标签分布的相似度，也就是我们所说的损失函数（loss)

​

 

上式是模型在一个样本的交叉熵，其值越小，预测分布于标签给出分布越相似。

 

 

上式是样本的平均交叉熵，作为模型的损失函数。