知识卡片
交叉熵分解为数据熵与分布差异
模型Q在真实分布P上的交叉熵满足 H(P,Q)=H(P)+D_KL(P∥Q)。其中数据熵是不可由拟合消除的部分,KL散度是预测分布与真实分布的差异。同一P下最小化交叉熵相当于减少分布差异;交换P和Q通常会改变结果。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 评估方法论
原书出处 · 1 处
- · 查看原书依据
交叉熵不是对称的,Q相对于P的交叉熵H(P,Q)与P相对于Q的交叉熵H(Q,P)并不相同。
参考来源
- 位置:《AI工程:大模型应用开发实战》第3章《评估方法论》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/AI工程:大模型应用开发实战/_epub-src/EPUB/xhtml/Section011.xhtml)
- 结论依据:原文定义、条件、机制或比较支持上述说明,案例数据限于原书语境。
- 原始内容:交叉熵不是对称的,Q相对于P的交叉熵H(P,Q)与P相对于Q的交叉熵H(Q,P)并不相同。