Answers:
交叉熵通常用于量化两个概率分布之间的差异。通常,“真实”分布(您的机器学习算法正在尝试匹配的分布)以单热点分布表示。
例如,假设对于特定的训练实例,标签为B(可能的标签A,B和C中的标签)。因此,此培训实例的一个热点分布是:
Pr(Class A) Pr(Class B) Pr(Class C)
0.0 1.0 0.0
您可以将上述“真实”分布解释为意味着训练实例具有0%的概率成为A类,100%的概率成为B类和0%的概率成为C类。
现在,假设您的机器学习算法可以预测以下概率分布:
Pr(Class A) Pr(Class B) Pr(Class C)
0.228 0.619 0.153
预测分布与真实分布有多接近?这就是交叉熵损失所决定的。使用以下公式:
p(x)
所需概率和q(x)
实际概率在哪里。总和超过三个类别A,B和C。在这种情况下,损失为0.479:
H = - (0.0*ln(0.228) + 1.0*ln(0.619) + 0.0*ln(0.153)) = 0.479
因此,这就是您的预测与真实分布有“错误”或“遥不可及”的程度。
交叉熵是许多可能的损失函数之一(另一个流行的函数是SVM铰链损失)。这些损失函数通常写为J(θ),可在梯度下降中使用,梯度下降是一种将参数(或系数)移向最佳值的迭代算法。在下面的公式中,您将替换J(theta)
为H(p, q)
。但请注意,您需要首先计算H(p, q)
相对于参数的导数。
因此,直接回答您的原始问题:
仅仅是描述损失函数的一种方法吗?
正确的交叉熵描述了两个概率分布之间的损失。它是许多可能的损失函数之一。
然后,我们可以使用例如梯度下降算法来找到最小值。
是的,交叉熵损失函数可以用作梯度下降的一部分。
cosine (dis)similarity
通过角度描述误差,然后尝试将角度最小化。
p(x)
则将是每个类的真实概率列表,即 [0.0, 1.0, 0.0
。同样,q(x)
是每个类别的预测概率的列表[0.228, 0.619, 0.153]
。H(p, q)
则为- (0 * log(2.28) + 1.0 * log(0.619) + 0 * log(0.153))
0.479。注意,使用Python np.log()
函数是很常见的,实际上是自然的日志。没关系
在上述帖子中,添加最简单形式的交叉熵损失称为二进制交叉熵(用于二进制分类的损失函数,例如,进行逻辑回归),而广义版本则是分类交叉熵(用于作为用于多类分类问题的损失函数(例如,使用神经网络)。
想法保持不变:
当训练实例的目标标签的模型计算(softmax)类别概率接近于1时(例如,用一热编码表示),则相应的CCE损失减小为零
否则,它会随着与目标类别相对应的预测概率变小而增加。
下图说明了这一概念(从图中可以看出,当y和p都为高或同时都为低时,即表示一致,则BCE变为低):
交叉熵与计算两个概率分布之间的距离的相对熵或KL散度密切相关。例如,在两个离散的pmf之间,下图显示它们之间的关系: