1、信息量：
公式：I(x) = -logp(x)，单从公式上也可以看出，概率越低熵越大（低概率事件带来的高信息量）。通俗一点来说的话，就是概率论中很简单的推广就行了。
2、熵的定义：
（1）上面的 I(x) 是指在某个概率分布之下，某个概率值对应的信息量的公式。那么我们要知道这整个概率分布对应的信息量的平均值。这个平均值叫做随机变量x的熵。
（2）熵是接收的每条信息中包含的信息的平均量，又被称为信息熵、信源熵、平均信息量。直白的解释就是信息中含的信息量的大小。
熵公式：I(x) = -∑p(x) logp(x)，单从公式上也可以看出，概率越低熵越大（低概率事件带来的高信息量）。通俗一点来说的话，就是概率论中很简单的推广就行了。
注意:
1.熵只依赖于X的分布,与X的取值无关,因此服从某个分布的X的熵也可以等价于这个分布的熵.
2.定义0log0=0(因为可能出现某个取值概率为0的情况)
3.熵越大,随机变量的不确定性就越大(因为之前说了，越是不确定，信息量就越大，要是平均信息量很大，那么也可以代表这个变量的不确定性越大)
交叉熵的公式：交叉熵就是把上面信息熵里正确信息量的p(x)，换成了q(x)（而这里的p就代表了机器学习里的预测，那么他的值越接近p，预测的越准确）
H（p，q）= -∑p(x) logq(x)
p为真实分布，q为非真实分布
在机器学习中p为真实标记的分布，q为训练后的模型的预测标记分布，
例如某一样本的标签为1，即p = 1，预测概率为0.7，即q=0.7；-log(0.7)表示0.7与1的差异，预测越接近1，-log(0.7)就越小越接近0。可以结合log()函数图形进行分析
例如某一样本的标签为0，即p = 0，预测概率为0.4，即q=0.4；-log(1-0.4)表示0.4与1(1-p)的差异，预测越接近1(1-p)，-log(1-0.4)就越小越接近0。
综合以上，损失函数合并起来的公式为：L = -∑y log(f(y))+(1-y)log(1-f(y))
即分类预测结果越正确，计算出来的交叉熵越小。
交叉熵作为损失函数的优势：在特征工程中，可以用来衡量两个随机变量之间的相似度。
