1 KL 散度
对于离散概率分布 \(P\) 和 \(Q\) ,KL 散度定义为:
\[\text{KL}(P \| Q) = -E_{x\sim P}\log P(x)-\log Q(x) \\ =\sum_{\mathbf{x}} P(\mathbf{x}) \log \frac{P(\mathbf{x})}{Q(\mathbf{x})} \]
对于连续概率分布,定义为:
\[\text{KL}(P \| Q) = \int p(\mathbf{x}) \log \frac{p(\mathbf{x})}{q(\mathbf{x})} d\mathbf{x} \]
其中,\(p(\mathbf{x})\) 是 \(P\) 的概率密度函数,\(q(\mathbf{x})\) 是 \(Q\) 的概率密度函数。
KL 散度的性质:
- 非负性 :KL 散度总是非负的,\(\text{KL}(P \| Q) \geq 0\)。
- 不对称性 :KL 散度不是对称的,即 \(\text{KL}(P \| Q) \neq \text{KL}(Q \| P)\)。
- 零点 :当 \(P\) 和 \(Q\) 完全相同时,\(\text{KL}(P \| Q) = 0\)。
- 不满足三角不等式:KL 散度不满足传统意义上的三角不等式。
2 交叉熵
交叉熵(cross-entropy)和 KL 散度联系密切,也可以用来衡量两个分布的差异。
对于离散概率分布 \(P\) 和 \(Q\) ,交叉熵定义为:
\[H(P,Q)=-E_{x\sim P}\log Q(x)=-\sum P(x_i)\log Q(x_i) \]
对于连续概率分布,定义为:
\[H(P,Q) = -\int p(\mathbf{x}) \log q(\mathbf{x}) d\mathbf{x} \]
可以看出,\(H(P,Q)=H(P)+D_\text{KL}(P \| Q)\) ,其中 \(H(P)\) 是 P 的熵。
性质:
- 非负性;
- 和 KL 散度相同,交叉熵也不具备对称性,即 \(H(P,Q)\neq H(Q,P)\);
- 对同一个分布求交叉熵,等于对其求熵。