- 熵：可以表示一个事件A的自信息量，也就是A包含多少信息。
- KL散度：可以用来表示从事件A的角度来看，事件B有多大不同。
- 交叉熵：可以用来表示从事件A的角度来看，如何描述事件B。
一种信息论的解释是：
- 熵的意义是对A事件中的随机变量进行编码所需的最小字节数。
- KL散度的意义是“额外所需的编码长度”如果我们用B的编码来表示A。
- 交叉熵指的是当你用B作为密码本来表示A时所需要的“平均的编码长度”。
一、熵
1.定义
衡量一个事件所包含的信息量
$$S(A)=-\sum_i P_A(x_i)logP_A(x_i)$$
二、交叉熵
1.定义
$$H(A,B)=-\sum_iP_A(x_i)log(P_B(x_i))$$
2.性质
- 不对称性
- cross主要是用于描述两个事件之间的相互关系，对自己求交叉熵等于熵。即$H(A,A)=S(A)$，注意只是非负而不一定等于0.
三、KL散度
1.定义
又名“相对熵”，衡量两个事件/分布之间的不同
KL散度由A自己的熵与B在A上的期望共同决定。当使用KL散度来衡量两个事件(连续或离散)，上面的公式意义就是求 A与B之间的对数差 在 A上的期望值。
2.性质
- 如果$P_A=P_B$，即两个事件分布完全相同，那么KL散度等于0.
- KL散度是不对称的
- $D_{KL}(A||B)=-S(A)+H(A,B)$，如果$S(A)$是一个常量，那么$D_{KL}(A||B)=H(A,B)$，也就是说KL散度和交叉熵在特定条件下等级。
3.KL散度 VS 交叉熵
训练数据的分布A是给定的。那么根据我们在第四部分说的，因为A固定不变，那么求$D_{KL}(A||B)$ 等价于求$H(A,B)$ ，也就是A与B的交叉熵。得证，交叉熵可以用于计算“学习模型的分布”与“训练数据分布”之间的不同。当交叉熵最低时(等于训练数据分布的熵)，我们学到了“最好的模型”。
参考文献：