2018年9月27日
【机器学习基础】熵、KL散度、交叉熵
摘要： 熵（entropy）、KL散度（Kullback-Leibler (KL) divergence）和交叉熵（cross-entropy）在机器学习的很多地方会用到。比如在决策树模型使用信息增益来选择一个最佳的划分，使得熵下降最大；深度学习模型最后一层使用 softmax 激活函数后，我们也常使用交叉熵来计算两个分布的“距离”。KL散度和交叉熵很像，都可以衡量两个分布之间的差异，相互之间可以转化。本文将对熵、KL散度和交叉熵进行简单的介绍。 阅读全文
posted @ 2018-09-27 22:27 wuliytTaotao 阅读(9420) 评论(0) 推荐(2) 编辑