基于KL散度、JS散度以及交叉熵的對比

猿友 2021-07-16 13:57:24 瀏覽數(shù) (8960)

反饋

在機器學習中，KL散度,JS散度,交叉熵這三個指標都是比較不好區(qū)分差異的，小編在看論文《Detecting Regions of Maximal Divergence for Spatio-Temporal Anomaly Detection》時，看到文中提到了這三種方法來比較時間序列中不同區(qū)域概率分布的差異。特意分享出來給各位小伙伴們加深理解。

KL散度、JS散度和交叉熵

三者都是用來衡量兩個概率分布之間的差異性的指標。不同之處在于它們的數(shù)學表達。

對于概率分布P(x)和Q(x)

1）KL散度（Kullback–Leibler divergence）

又稱KL距離，相對熵。

KL散度

當P(x)和Q(x)的相似度越高，KL散度越小。

KL散度主要有兩個性質：

（1）不對稱性

盡管KL散度從直觀上是個度量或距離函數(shù)，但它并不是一個真正的度量或者距離，因為它不具有對稱性，即D(P||Q)!=D(Q||P)。

（2）非負性

相對熵的值是非負值，即D(P||Q)>0。

2）JS散度（Jensen-Shannon divergence）

JS散度也稱JS距離，是KL散度的一種變形。

js散度

但是不同于KL主要又兩方面：

（1）值域范圍

JS散度的值域范圍是[0,1]，相同則是0，相反為1。相較于KL，對相似度的判別更確切了。

（2）對稱性

即 JS(P||Q)=JS(Q||P)，從數(shù)學表達式中就可以看出。

3）交叉熵（Cross Entropy）

在神經(jīng)網(wǎng)絡中，交叉熵可以作為損失函數(shù)，因為它可以衡量P和Q的相似性。

交叉熵

交叉熵和相對熵的關系：

交叉熵與相對熵的關系

以上都是基于離散分布的概率，如果是連續(xù)的數(shù)據(jù)，則需要對數(shù)據(jù)進行Probability Density Estimate來確定數(shù)據(jù)的概率分布，就不是求和而是通過求積分的形式進行計算了。

補充：信息熵、交叉熵與KL散度

信息量

在信息論與編碼中，信息量，也叫自信息（self-information），是指一個事件所能夠帶來信息的多少。一般地，這個事件發(fā)生的概率越小，其帶來的信息量越大。

從編碼的角度來看，這個事件發(fā)生的概率越大，其編碼長度越小，這個事件發(fā)生的概率越小，其編碼長度就越大。但是編碼長度小也是代價的，比如字母'a'用數(shù)字‘0'來表示時，為了避免歧義，就不能有其他任何以‘0'開頭的編碼了。

因此，信息量定義如下：

信息量計算

信息熵

信息熵是指一個概率分布p的平均信息量，代表著隨機變量或系統(tǒng)的不確定性，熵越大，隨機變量或系統(tǒng)的不確定性就越大。從編碼的角度來看，信息熵是表示一個概率分布p需要的平均編碼長度，其可表示為：

信息熵

交叉熵

交叉熵是指在給定真實分布q情況下，采用一個猜測的分布p對其進行編碼的平均編碼長度（或用猜測的分布來編碼真實分布得到的信息量）。

交叉熵可以用來衡量真實數(shù)據(jù)分布于當前分布的相似性，當前分布與真實分布相等時（q=p），交叉熵達到最小值。

其可定義為：

交叉熵

因此，在很多機器學習算法中都使用交叉熵作為損失函數(shù)，交叉熵越小，當前分布與真實分布越接近。此外，相比于均方誤差，交叉熵具有以下兩個優(yōu)點：

在LR中，如果用均方誤差損失函數(shù)，它是一個非凸函數(shù)，而使用交叉熵損失函數(shù)，它是一個凸函數(shù)；

在LR中使用sigmoid激活函數(shù)，如果使用均方誤差損失函數(shù)，在對其求殘差時，其表達式與激活函數(shù)的導數(shù)有關，而sigmoid（如下圖所示）的導數(shù)在輸入值超出[-5,5]范圍后將非常小，這會帶來梯度消失問題，而使用交叉熵損失函數(shù)則能避免這個問題。

sigmoid激活函數(shù)的導數(shù)