机器学习 | 算法模型 —— 算法训练：损失函数之交叉熵（熵/相对熵/KL散度/sigmoid/softmax）

小鱼儿 2023-02-25 03:39 25阅读 0赞

**目录**

1.信息论

1.1.信息量

1.2.熵

1.3.KL散度（相对熵）

1.4.交叉熵

2.交叉熵的类型

2.1.多分类交叉熵

2.2.二分类交叉熵

3.学习过程（以二分类为例）

3.1.第一项求偏导

3.2.第二项求偏导

3.3.第三项求导

3.4.计算结果

--------------------

# 1.信息论 #

> 交叉熵（cross entropy）是深度学习中常用的一个概念，一般用来求目标与预测值之间的差距。同时，交叉熵也是信息论中的一个概念，要想了解交叉熵的本质，需要先从最基本的概念讲起。

## 1.1.信息量 ##

> 首先是信息量。假设我们听到了两件事，分别如下：
> 
>  *  事件A：巴西队进入了2020世界杯决赛圈。
>  *  事件B：中国队进入了2020世界杯决赛圈。
> 
> 仅凭直觉来说，显而易见事件B的信息量比事件A的信息量要大。究其原因，是因为事件A发生的概率很大，事件B发生的概率很小。所以当越不可能的事件发生了，我们获取到的信息量就越大。越可能发生的事件发生了，我们获取到的信息量就越小。那么信息量应该和事件发生的概率有关。***假设X是一个离散型随机变量***，其取值集合为χ,概率分布函数p(x)=Pr(X=x),x∈χp(x)=Pr(X=x),x∈χ,则定义事件X=x0X=x0的信息量为：
> 
> ![20200710152131365.png][]
> 
> ![这里写图片描述][SouthEast]

##  1.2.熵 ##

> 考虑另一个问题，对于某个事件，有n种可能性，每一种可能性都有一个概率p(xi)。这样就可以计算出某一种可能性的信息量。举一个例子，假设你拿出了你的电脑，按下开关，会有三种可能性，下表列出了每一种可能的概率及其对应的信息量：
> 
> <table> 
>  <thead> 
>   <tr> 
>    <th>序号</th> 
>    <th>事件</th> 
>    <th>概率p</th> 
>    <th>信息量I</th> 
>   </tr> 
>  </thead> 
>  <tbody> 
>   <tr> 
>    <td>A</td> 
>    <td>电脑正常开机</td> 
>    <td>0.7</td> 
>    <td>-log(p(A))=0.36</td> 
>   </tr> 
>   <tr> 
>    <td>B</td> 
>    <td>电脑无法开机</td> 
>    <td>0.2</td> 
>    <td>-log(p(B))=1.61</td> 
>   </tr> 
>   <tr> 
>    <td>C</td> 
>    <td>电脑爆炸了</td> 
>    <td>0.1</td> 
>    <td>-log(p(C))=2.30</td> 
>   </tr> 
>  </tbody> 
> </table>
> 
> ***熵则表示的是所有信息量的期望***：
> 
> ![20200710152516582.png][]
> 
> 因此，上述表格中的熵可计算为：
> 
> ![20200710152610164.png][]

##  1.3.KL散度（相对熵） ##

> 相对熵又称KL散度,如果我们对于同一个随机变量 x 有两个单独的概率分布 P(x) 和 Q(x)，我们可以使用 ***KL 散度来衡量这两个分布的差异（换个角度来说，也是两个分布的相似度）***。即如果用***P来描述目标问题***，而不是用Q来描述目标问题，得到的信息增量。在机器学习中，P往往用来表示样本的真实分布，比如\[1,0,0\]表示当前样本属于第一类。***Q用来表示模型所预测的分布***，比如\[0.7,0.2,0.1\]，直观的理解就是如果用P来描述样本，那么就非常完美。而用Q来描述样本，虽然可以大致描述，但是不是那么的完美，信息量不足，需要额外的一些“信息增量”才能达到和P一样完美的描述。如果我们的Q通过反复训练，也能完美的描述样本，那么就不再需要额外的“信息增量”，Q等价于P。  
> ***KL散度计算公式***：
> 
> ![20200710153025127.png][]
> 
>  上述公式中，n表示事件的所有可能性。KL单独的值越小，表明两个分布之间越相似。

## 1.4.交叉熵 ##

> 对KL散度进行变形可得：
> 
> ![20200710153456359.png][]
> 
>  等式的前一部分恰巧就是p的熵，等式的后一部分，就是***交叉熵***：
> 
> ![20200710153545857.png][]
> 
> 在机器学习中，我们需要评估label和predicts之间的差距，使用KL散度刚刚好，即DKL(y||y^)，由于KL散度中的前一部分−H(y)不变，故在优化过程中，只需要关注交叉熵就可以了。所以一般在机器学习中直接用用交叉熵做loss，***评估模型***。

# 2.交叉熵的类型 #

> 交叉熵损失函数经常用于分类问题中，特别是在神经网络做分类问题时，也经常使用交叉熵作为损失函数，此外，由于***交叉熵涉及到计算每个类别的概率***，所以交叉熵几乎每次都和**sigmoid(或softmax)函数**一起出现。

## 2.1.多分类交叉熵 ##

> 多分类任务中输出的是目标属于**每个类别的概率，所有类别概率的和为1，其中概率最大的类别就是目标所属的分类。** 而***softmax函数***能将一个向量的每个分量映射到\[0,1\]区间，并且对整个向量的输出做了归一化，保证所有分量输出的和为1，正好满足多分类任务的输出要求。所以，在多分类中，在最后就需要将提取的到特征经过softmax函数的，输出为每个类别的概率，然后再使用**交叉熵** 作为损失函数。softmax函数定义如下：
> 
> ![2020071015490064.png][]
> 
> 其中输入向量为Z=\[z1,z2,z3, ... , zk\](k = 1,2,3 ... n)。直观的变换过程如下图所示：
> 
> ![format_png][]
> 
> 通过前面的特征提取到的特征向量为(z1,z2,…,zk) ，将向量输入到softmax函数中，即可得到目标属于每个类别的概率，***概率最大的就是预测得到的目标的类别***。使用softmax函数可以将特征向量映射为所属类别的概率，可以看作是预测类别的概率分布q(ci)，有:
> 
> ![20200710155345737.png][]
> 
>  其中，ci为某个类别。设训练数据中类别的***真实概率分布为p(ci)*** ，那么目标分布p(ci)和***预测分布q(ci)***的交叉熵为：
> 
> ![20200710155518182.png][]
> 
> **【引例】**
> 
> 每个训练样本所属的类别是已知的，并且每个样本只会属于一个类别（概率为1），属于其他类别概率为0。具体的，可以假设有个三分类任务，三个类分别是：猫，猪，狗。现有一个训练样本类别为猫，则有：
> 
> ![20200710162705671.png][]
> 
> 通过预测得到的三个类别的概率分别为：q(cat)=0.6,q(pig)=0.2,q(dog)=0.2，计算p 和q的交叉熵为：
> 
> ![20200710165144591.png][]
> 
> 利用这种特性，可以将样本的类别进行重新编码，就可以***简化交叉熵的计算***，这种编码方式就是***OneHot编码***。以上述实例为例：
> 
> ![20200710165304366.png][]
> 
>  
> 
> 通过这种编码方式，在计算交叉熵时，只需要计算和训练样本对应类别预测概率的值，其他的项都是 0 \* log q(ci) = 0,具体的，交叉熵计算公式变成如下： 
> 
> ![20200710165445838.png][]
> 
> 其中ci为训练样本对应的类别，上式也被称为**负对数似然（negative log-likelihood,nll）**

## 2.2.二分类交叉熵 ##

> 多分类中使用softmax函数将最后的输出映射为每个类别的概率，而在二分类中则通常使用***sigmoid***将输出映射为正样本的概率。这是因为二分类中，只有两个类别：\{正样本，负样本\}，只需要求得正样本的概率q,则1−q就是负样本的概率。sigmoid函数的表示形式如下：
> 
> ![20200710170256224.png][]
> 
>  sigmoid的输入为Z=\{z1, z2\} ，其输出元素的值为(0,1)范围内的值，可以表示分类为正样本的概率。二分类的交叉熵可以看作是交叉熵损失的一个特列，交叉熵为：
> 
> ![20200710170431456.png][]
> 
> 由于二分类仅有两个分类x1和x2，则有：
> 
> ![20200710170517105.png][]
> 
>  因为只有两个选择，则有p(x1)+p(x2)=1,q(x1)+q(x2)=1。设，训练样本中x1的概率为p,则x2为1−p; 预测的x1的概率为q，则x2的预测概率为1−q 。则上式可改写为:
> 
> ![20200710170755984.png][]
> 
> 也就是二分类交叉熵的损失函数。

# 3.学习过程（以二分类为例） #

> ![format_png 1][]
> 
> 如上图所示，求导过程可分成三个子过程，即拆成三项偏导的乘积：
> 
> ![20200710171453957.png][]

## 3.1.第一项求偏导 ##

> ![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2FkbWluX21heGlu_size_16_color_FFFFFF_t_70][]

## 3.2.第二项求偏导 ##

> ![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2FkbWluX21heGlu_size_16_color_FFFFFF_t_70 1][]

## 3.3.第三项求导 ##

> ![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2FkbWluX21heGlu_size_16_color_FFFFFF_t_70 2][]

## 3.4.计算结果 ##

> ![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2FkbWluX21heGlu_size_16_color_FFFFFF_t_70 3][]
> 
> 得到了上述最终的偏导结果之后，接下来只需要基于反向传播的误差、学习速率、原始权重和上述公式便可以计算出更新之后的权重。

参考博客：[https://zhuanlan.zhihu.com/p/35709485][https_zhuanlan.zhihu.com_p_35709485]

[20200710152131365.png]: /images/20230209/72fa3358606b468f871f77ab287769cf.png
[SouthEast]: /images/20230209/547b5f43c6b345f3be4592b598d8529c.png
[20200710152516582.png]: /images/20230209/242775acb7b6457e9ce34fad90ab5df8.png
[20200710152610164.png]: /images/20230209/b08a32661545482d8653f5e174482bcb.png
[20200710153025127.png]: /images/20230209/876ea4751b1948fa8772b82195917394.png
[20200710153456359.png]: /images/20230209/66ddd5b7103a422ebdd95557f3980731.png
[20200710153545857.png]: /images/20230209/05720cccb1564b199af9d17e299600c2.png
[2020071015490064.png]: /images/20230209/39fe81f91c2344498cba7ceeef3aed4e.png
[format_png]: /images/20230209/ea27dd544bcd45369c9f7c6f8be332e4.png
[20200710155345737.png]: /images/20230209/75f0917a101545588cd24c06701d7c41.png
[20200710155518182.png]: /images/20230209/4a3d9140ddc84a1a8e870417c0aca6be.png
[20200710162705671.png]: /images/20230209/7b0d890762134e9e9398fd958ff9be32.png
[20200710165144591.png]: /images/20230209/0f5cfe32e3924b09815a4addc92dc69a.png
[20200710165304366.png]: /images/20230209/29da74067fef4e7e92d7bcadde27346f.png
[20200710165445838.png]: /images/20230209/988cb81628524fa4bbea9819ec4b710b.png
[20200710170256224.png]: /images/20230209/f2a1f6e8406540d7a1e64fff229b65f6.png
[20200710170431456.png]: /images/20230209/3ea7da62c4f140f9830c914d00485f40.png
[20200710170517105.png]: /images/20230209/237def23b5af4289bbe7ca569036d9cf.png
[20200710170755984.png]: /images/20230209/87aa5a501abf42ab892bea6a8d3496f6.png
[format_png 1]: /images/20230209/fac81da2cce44b7a8041fde86495681e.png
[20200710171453957.png]: /images/20230209/874e159dd3214080878d7f788928df29.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2FkbWluX21heGlu_size_16_color_FFFFFF_t_70]: /images/20230209/4014a665504a4ad7a3af430326e9c920.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2FkbWluX21heGlu_size_16_color_FFFFFF_t_70 1]: /images/20230209/3adf276e031148b499146aaf4eecc63e.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2FkbWluX21heGlu_size_16_color_FFFFFF_t_70 2]: https://img-blog.csdnimg.cn/20200710171835342.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2FkbWluX21heGlu,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2FkbWluX21heGlu_size_16_color_FFFFFF_t_70 3]: https://img-blog.csdnimg.cn/20200710171911854.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2FkbWluX21heGlu,size_16,color_FFFFFF,t_70
[https_zhuanlan.zhihu.com_p_35709485]: https://zhuanlan.zhihu.com/p/35709485