衆所周知,softmax+cross entropy是在線性模型、神經網絡等模型中解決分類問題的通用方案,但是爲什麼選擇這種方案呢?它相對於其他方案有什麼優勢?筆者一直也困惑不解,最近瀏覽了一些資料,有一些小小心得,希望大家指正~
損失函數:交叉熵Cross Entropy
我們可以從三個角度來理解cross entropy的物理意義
從實例上直觀理解
我們首先來看Cross Entropy 的公式:
假設存在兩個分佈p和q,p爲樣本的真實分佈,q爲模型預測出的樣本分佈,則在給定的樣本集X上,交叉熵的計算方式爲
LCE(p,q)=−x∈X∑p(x)logq(x)
通常情況下在線性模型、神經網絡等模型中,關於樣本的真實分佈可以用one-hot的編碼來表示,比如男、女分別可以用[0,1]和[1,0]來表示,同樣的,C種類別的樣本可以用長度爲C的向量來表示,且一個樣本的表示向量中有且僅有一個維度爲1,其餘爲0。那會造成什麼後果呢?我們來看一個例子,假設一個樣本的真實label爲[0,0,0,1,0],預測的分佈爲[0.02,0.02,0.02,0.9,0.04],則交叉熵爲:
LCE=−1∗log0.9
如果預測分佈爲[0.1,0.5,0.2,0.1,0.2],則交叉熵爲:
LCE=−1∗log0.1
可以看出其實LCE只與label中1所對應下標的預測值有關,且該預測值越大,LCE越小。
只要label中1所對應下標的預測值越接近1,則損失函數越小,這在直觀上就是符合我們對於損失函數的預期。
,
交叉熵爲什麼比均方誤差好
作爲迴歸問題的常見損失函數,均方誤差公式爲lossMSE(y,t)=21∑i=1n(yi−ti)2,好像也可以用來計算分類問題的損失函數,那它爲什麼不適合分類問題呢?我們再來看一個例子假設一個樣本的真實label爲[0,0,0,1,0],預測的分佈爲D1=[0.1,0.1,0.1,0.6,0.1],預測分佈D2=[0,0,0,0.6,0.4],此時lossMSED1<lossMSED2 ,也就是說對於lossMSE而言,即使與label中1所對應下標的預測值是正確的,其他項預測值的分佈也會影響損失的大小,這不符合我們對於分類問題損失函數的預期。
似然估計的視角
我們知道,對於一個多分類問題,給定樣本x,它的似然函數可以表示爲
p(t∣x)=i=1∏CP(ti∣x)ti=i=1∏Cyiti
其中 yi是模型預測的概率,ti是對應類的label,那麼其對數似然估計則爲:
−i=1∑Ctilogyi,ti對應於p(x),yi對應於q(x),其實交叉熵就是對應於該樣本的負對數似然估計。
KL散度視角
KL散度又被稱爲相對熵,可以用來衡量兩個分佈之間的距離,想了解KL散度可以參考如何理解K-L散度(相對熵)。需要了解的是:KL散度越小,兩個分佈越相近。這麼看KL散度是不是很符合我們對於兩個分佈損失函數的定義呢?
,公式爲:
DKL=−x∈X∑p(x)logq(x)p(x)=−x∈X∑p(x)logp(x)−x∈X∑p(x)logq(x)=−H(p)−x∈X∑p(x)logq(x)
其中H(p)爲p的熵,注意這裏的p是樣本的真實分佈,所以H(p)爲常數,因此,KL散度與交叉熵事實上是等價的,所以交叉熵也可以用來衡量兩個分佈之間的距離,符合我們對於損失函數的期待。
softmax+cross entropy到底學到了什麼?
我們知道在迴歸問題中的最常用的損失函數是均方誤差lossMSE(y,t)=21∑i=1n(yi−ti)2,那麼在反向傳播時,∂yi∂loss=yi−ti,即均方誤差在反向傳播時傳遞的是預測值與label值的偏差,這顯然是一個符合我們預期的、非常直覺的結果。
假定分類問題的最後一個隱藏層和輸出層如下圖所示
a1........ac爲最後一個隱藏層的C個類別,y1.....yc爲輸出層,則有∂ai∂LossCE=yi−ti,因此softmax+cross entropy在反向傳播時傳遞的同樣是預測值與label值的偏差,即yi−ti,如果對於證明不感興趣的,那麼這篇文章就可以到此結束了~以下均爲證明過程。
圖中yi=∑j=1Ceajeai,我們用∑表示分母∑j=1Ceaj,則yi=∑eai 。
∂ai∂LCE=∑j=1C∂yj∂LCE∂ai∂yj=∑i=1C(yjti)∂ai∂yj 注意這裏的yi=∑j=1Ceajeai與所有的ai都相關,因此需要用鏈式法則求導。
下面求∂ai∂yj,
∂ai∂yj的求導分爲兩種情況
當i != j時,∂ai∂yj=∂ai∂∑eaj=−∑eaj∑eai=−yiyj
當i=j時,∂ai∂yj=∂ai∂∑eai=∑2eai∑−eaieaj=∑eai∗∑∑−eaj=yi(1−yj)
代入上式得
∂ai∂LCE=∑i=1C(yjti)∂ai∂yj=−yiti∂ai∂yi−∑i=jC∂ai∂yi=−yitiyi(1−yj)−∑i!=jCyiti(−yiyj)=−ti+yi∑j=1Ctj=yi−ti 注意這裏∑j=1Ctj爲所有label的和,應該等於1.