說起交叉熵損失函數「Cross Entropy Loss」，腦海中立馬浮現出它的公式：

我們已經對這個交叉熵函數非常熟悉，大多數情況下都是直接拿來使用就好。但是它是怎么來的？為什么它能表征真實樣本標簽和預測概率之間的差值？上面的交叉熵函數是否有其它變種？

1.交叉熵損失函數的推導

我們知道，在二分類問題模型：例如邏輯回歸「Logistic Regression」、神經網絡「Neural Network」等，真實樣本的標簽為 [0，1]，分別表示負類和正類。模型的最后通常會經過一個 Sigmoid 函數，輸出一個概率值，這個概率值反映了預測為正類的可能性：概率越大，可能性越大。
Sigmoid 函數的表達式和圖形如下所示：

其中 s 是模型上一層的輸出，Sigmoid 函數有這樣的特點：s = 0 時，g(s) = 0.5；s >> 0 時， g ≈ 1，s << 0 時，g ≈ 0。顯然，g(s) 將前一級的線性輸出映射到 [0，1] 之間的數值概率上。這里的 g(s) 就是交叉熵公式中的模型預測輸出 。

我們說了，預測輸出即 Sigmoid 函數的輸出表征了當前樣本標簽為 1 的概率：

很明顯，當前樣本標簽為 0 的概率就可以表達成：

重點來了，如果我們從極大似然性的角度出發，把上面兩種情況整合到一起：

不懂極大似然估計也沒關系。我們可以這么來看：

當真實樣本標簽 y = 0 時，上面式子第一項就為 1，概率等式轉化為：

當真實樣本標簽 y = 1 時，上面式子第二項就為 1，概率等式轉化為：

兩種情況下概率表達式跟之前的完全一致，只不過我們把兩種情況整合在一起了。

重點看一下整合之后的概率表達式，我們希望的是概率 P(y|x) 越大越好。首先，我們對 P(y|x) 引入 log 函數，因為 log 運算并不會影響函數本身的單調性。則有：

我們希望 log P(y|x) 越大越好，反過來，只要 log P(y|x) 的負值 -log P(y|x) 越小就行了。那我們就可以引入損失函數，且令 Loss = -log P(y|x)即可。則得到損失函數為：

非常簡單，我們已經推導出了單個樣本的損失函數，是如果是計算 N 個樣本的總的損失函數，只要將 N 個 Loss 疊加起來就可以了：

這樣，我們已經完整地實現了交叉熵損失函數的推導過程。

2. 交叉熵損失函數的直觀理解

我已經知道了交叉熵損失函數的推導過程。但是能不能從更直觀的角度去理解這個表達式呢？而不是僅僅記住這個公式。好問題！接下來，我們從圖形的角度，分析交叉熵函數，加深理解。

首先，還是寫出單個樣本的交叉熵損失函數：

我們知道，當 y = 1 時

這時候，L 與預測輸出的關系如下圖所示：

看了 L 的圖形，簡單明了！橫坐標是預測輸出，縱坐標是交叉熵損失函數 L。顯然，預測輸出越接近真實樣本標簽 1，損失函數 L 越小；預測輸出越接近 0，L 越大。因此，函數的變化趨勢完全符合實際需要的情況。

當 y = 0 時：

這時候，L 與預測輸出的關系如下圖所示：

同樣，預測輸出越接近真實樣本標簽 0，損失函數 L 越小；預測函數越接近 1，L 越大。函數的變化趨勢也完全符合實際需要的情況。

從上面兩種圖，可以幫助我們對交叉熵損失函數有更直觀的理解。無論真實樣本標簽 y 是 0 還是 1，L 都表征了預測輸出與 y 的差距。

另外，重點提一點的是，從圖形中我們可以發現：預測輸出與 y 差得越多，L 的值越大，也就是說對當前模型的 “ 懲罰 ” 越大，而且是非線性增大，是一種類似指數增長的級別。這是由 log 函數本身的特性所決定的。這樣的好處是模型會傾向于讓預測輸出更接近真實樣本標簽 y。

3. 交叉熵損失函數的其它形式

什么？交叉熵損失函數還有其它形式？沒錯！我剛才介紹的是一個典型的形式。接下來我將從另一個角度推導新的交叉熵損失函數。

這種形式下假設真實樣本的標簽為 +1 和 -1，分別表示正類和負類。有個已知的知識點是Sigmoid 函數具有如下性質：

這個性質我們先放在這，待會有用。

好了，我們之前說了 y = +1 時，下列等式成立：

如果 y = -1 時，并引入 Sigmoid 函數的性質，下列等式成立：

重點來了，因為 y 取值為 +1 或 -1，可以把 y 值帶入，將上面兩個式子整合到一起：

這個比較好理解，分別令 y = +1 和 y = -1 就能得到上面兩個式子。

接下來，同樣引入 log 函數，得到：

要讓概率最大，反過來，只要其負數最小即可。那么就可以定義相應的損失函數為：

還記得 Sigmoid 函數的表達式吧？將 g(ys) 帶入：

好咯，L 就是我要推導的交叉熵損失函數。如果是 N 個樣本，其交叉熵損失函數為：

接下來，我們從圖形化直觀角度來看。當 y = +1 時：

這時候，L 與上一層得分函數 s 的關系如下圖所示：

橫坐標是 s，縱坐標是 L。顯然，s 越接近正無窮，損失函數 L 越小；s 越接近負無窮，L 越大。

另一方面，當 y = -1 時：

這時候，L 與上一層得分函數 s 的關系如下圖所示：

同樣，s 越接近負無窮，損失函數 L 越小；s 越接近正無窮，L 越大。

4.總結

本文主要介紹了交叉熵損失函數的數學原理和推導過程，也從不同角度介紹了交叉熵損失函數的兩種形式。第一種形式在實際應用中更加常見，例如神經網絡等復雜模型；第二種多用于簡單的邏輯回歸模型。

需要注意的是：第一個公式中的變量是sigmoid輸出的值，第二個公式中的變量是sigmoid輸入的值。

以上就是Python機器學習交叉熵損失函數的深刻理解的詳細內容，更多關于pytorch交叉熵損失函數的資料請關注服務器之家其它相關文章！

原文鏈接：https://blog.csdn.net/weixin_38526306/article/details/87831201