交叉熵（Cross-Entropy）
交叉熵是一个在ML领域经常会被提到的名词。在这篇文章里将对这个概念进行详细的分析。
1.什么是信息量？
2.什么是熵？
可以看出，当两种取值的可能性相等时，不确定度最大（此时没有任何先验知识），这个结论可以推广到多种取值的情况。在图中也可以看出，当p=0或1时，熵为0，即此时X完全确定。
熵的单位随着公式中log运算的底数而变化，当底数为2时，单位为“比特”(bit)，底数为e时，单位为“奈特”。
3.什么是相对熵？
4. 什么是交叉熵？
5.参考链接：
https://blog.csdn.net/rtygbwwwerr/article/details/50778098
https://zhuanlan.zhihu.com/p/27223959
维基百科关于cross-entropy的解释
交叉熵损失函数
UFLDL中关于logistic regression的说明
Kraft’s inequality
Visual Information