交叉熵、KL散度和极大似然

https://www.zhihu.com/question/65288314
https://www.cnblogs.com/arkenstone/p/10524720.html

  1. A和B的KL散度 = A和B的交叉熵 - A的熵:
    a. 当A的熵为常亮时，KL散度和交叉熵是等价的
    b. 模型使用交叉熵作为损失函数，实际上是学习训练集的数据分布（模型输出分布和训练集分布差距减小，交叉熵定义；默认训练集分布和真实分布保持一致，这是所有模型训练的基础）
  2. 交叉熵最小实质上就是最大似然估计(MLE)
image.png
image.png

注：

  1. 熵都是-log形式
  2. KL散度和交叉熵都不是距离，因为不具有对称性，即A和的KL散度与B和A的KL散度不同（相对变化，坐标系概念）
©著作权归作者所有,转载或内容合作请联系作者
【社区内容提示】社区部分内容疑似由AI辅助生成，浏览时请结合常识与多方信息审慎甄别。
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。

相关阅读更多精彩内容

友情链接更多精彩内容