놀라움과 정보

교차엔트로피: 잘못된 부호표

“딥러닝에서 늘 줄이는 cross-entropy loss. 그 이름에 왜 엔트로피가 들어 있고, 왜 0까지는 내려가지 않는가?”

약어 사전으로 먼저: 잘못 믿고 만든 부호표

자주 쓰는 말에 짧은 약어를 붙여 두면 글이 짧아진다. 네 가지 말 「가」「나」「다」「라」를 0과 1로 적어 보내는데, 네 말이 실제로 나오는 비율이 (½, ¼, ⅛, ⅛)라고 하자. 스무고개에서 자주 나오는 답부터 물었듯, 가장 흔한 말에 한 자리, 다음 말에 두 자리, 나머지 둘에 세 자리 부호를 준다(0, 10, 110, 111). 이런 목록을 정보이론에서는 부호표(결과마다 붙인 0·1 부호의 목록)라 부른다. 그런데 비율을 모르고 네 말이 똑같이 나온다고 믿었다면, 모두 두 자리 부호(00, 01, 10, 11)를 주었을 것이다.

잘못 믿고 만든 부호표로 적으면 한 말에 2자리가 들고, 그 가운데 1.75자리는 비율을 정확히 알았어도 들었을 몫, 나머지 0.25자리는 잘못 믿은 탓에 괜히 더 쓴 몫이다. 한국어 빈도에 맞춘 약어 사전으로 영어를 적으면 자주 쓰는 말에 긴 약어가 붙어 비효율이 생기는 것과 같다. 부호 한 자리는 예/아니오 답 하나, 곧 1 bit다. 그래서 확률 q를 믿고 만든 부호의 길이는 −log₂ q, 곧 q를 믿는 사람의 놀라움이다.

정의

현실이 p인데 모형 q가 매긴 놀라움 −log q_i로 평균을 내면 교차엔트로피다. 위 표에서는 현실 p = (½, ¼, ⅛, ⅛), 모형 q = (¼, ¼, ¼, ¼)이고, 교차엔트로피가 2 bit, 현실 자신의 엔트로피가 1.75 bit다.

KL의 정의가 여기서 뜻을 얻는다. log(p_i/q_i) = (−log q_i) − (−log p_i). 결과 i가 일어났을 때 모형의 놀라움에서 현실 자신의 놀라움을 뺀 것, "괜히 더 놀란 양"이다. KL은 그 초과 놀라움을 현실의 빈도로 평균 낸 것이다. 그리고 H(p, q) = H(p) + KL(p‖q). 교차엔트로피는 현실의 몫과 모형의 낭비로 나뉜다. 위 표의 괜히 더 쓴 0.25 bit가 이 KL이다.

단위는 log의 밑을 따른다. 세 양 모두 nat이면 nat, bit이면 bit다. q_i = 0인데 p_i > 0인 결과가 있으면 −log q_i = ∞다. 교차엔트로피도 KL도 무한대가 된다. 현실에서 일어나는 일을 "불가능"이라 한 모형은 무한히 놀란다.

ML에서: 학습이 줄이는 것

딥러닝을 해본 사람이라면 cross-entropy loss라는 이름을 본 적이 있을 것이다. 바로 이것이다. 현실이 p인데 모델이 q라고 주장하면, 그 주장의 비용이 H(p, q)이고, 모델을 학습한다는 건 이 비용을 줄이는 것이다. 이 비용이 어디까지 내려갈 수 있는지는 아래 문제 9에서 따져 본다.

그런데 우리는 p를 모른다. 가진 것은 p에서 나온 표본 x₁, …, x_N뿐이다. 표본마다 1/N의 확률을 준 분포를 경험분포 p̂라 부른다. p 자리에 p̂를 넣으면 교차엔트로피가 우리에게 익숙한 식이 된다.

평균 음의 로그우도(NLL, negative log-likelihood)가 곧 경험분포와의 교차엔트로피다. 그러니 최대우도추정(MLE, maximum likelihood estimation. 로그우도를 가장 크게 하는 모수를 고르는 방법)은 KL(p̂‖q_θ)를 가장 작게 만드는 θ를 찾는 일이다. H(p̂)는 θ와 무관하기 때문이다. "내 모델이 현실에서 얼마나 먼가"라는 질문의 답이 여기 있다. 학습은 데이터가 그려 준 현실 p̂에서 모델이 내놓은 분포 q_θ까지의 KL을 줄이는 과정이다.

파이썬

import numpy as np

p = np.array([0.5, 0.3, 0.2])          # 현실
q = np.array([0.25, 0.25, 0.5])        # 모형

H_p  = -np.sum(p * np.log(p))
H_pq = -np.sum(p * np.log(q))
KL   =  np.sum(p * np.log(p / q))
print(f"H(p) = {H_p:.4f}   H(p,q) = {H_pq:.4f}   KL(p‖q) = {KL:.4f}")
print(f"H(p) + KL = {H_p + KL:.4f}")

# 경험분포와 최대우도: 교차엔트로피 = 평균 음의 로그우도
rng = np.random.default_rng(0)
x = rng.choice(3, size=1000, p=p)                 # 현실에서 1000개 관측
p_hat = np.bincount(x, minlength=3) / len(x)      # 경험분포
nll = -np.mean(np.log(q[x]))                      # 모형 q 의 평균 음의 로그우도
print(f"경험분포 {p_hat}   평균 NLL {nll:.4f}   H(p̂,q) {-np.sum(p_hat * np.log(q)):.4f}")
# H(p) = 1.0297   H(p,q) = 1.2477   KL(p‖q) = 0.2180
# H(p) + KL = 1.2477
# 경험분포 [0.473 0.315 0.212]   평균 NLL 1.2393   H(p̂,q) 1.2393

평균 NLL과 H(p̂, q)는 계산 순서만 다른 같은 숫자다.

수확

“KL = 교차엔트로피 − 엔트로피. 모형 탓에 괜히 더 놀란 양의 평균.” “최대우도추정은 경험분포에서 모형까지의 KL을 줄이는 일이다.”

문제 7. 거꾸로 믿은 부호표

위 약어 사전에서 네 말 「가」「나」「다」「라」는 실제로 (½, ¼, ⅛, ⅛)의 비율로 나오는데, 누군가 비율을 거꾸로 (⅛, ⅛, ¼, ½)로 믿고 부호표를 만들었다. (가) 말마다 몇 자리 부호를 주었겠는가? 한 말에 평균 몇 자리가 드는가? (나) 잘못 믿은 탓에 괜히 더 쓴 몫은 몇 bit인가? 고르게 믿었을 때의 0.25 bit와 견주어라.

함께 풀기

믿은 비율대로면 「라」가 가장 흔하다고 봤으니까 「라」 1자리, 「다」 2자리, 「가」「나」 3자리요. 평균은 (3 + 3 + 2 + 1)/4 = 2.25자리예요.

그 평균은 어느 비율로 낸 거예요?

네 말을 똑같이 쳤네요. 실제로는 「가」가 절반이니까 ½·3 + ¼·3 + ⅛·2 + ⅛·1 = 2.625자리예요. 부호 길이는 믿은 비율이 정하고, 평균은 실제 비율로 내야 하는구나.

그럼 괜히 쓴 몫은 2.625 − 1.75 = 0.875 bit야. 고르게 믿은 0.25보다 세 배 넘게 커. 모르는 것보다 틀리게 아는 게 훨씬 비싸네.

그래요. 부호 길이는 믿은 q가, 평균은 현실 p가 정해요. 교차엔트로피에서 log 안에 q, 앞에 p가 오는 까닭이에요.

조교님이 모르는 문제는 차라리 비워 두라던 게 이거였네요. 틀린 답을 자신 있게 쓰면 감점이 더 큰 채점 방식이요.

문제 8. 교차엔트로피를 쪼개기

(가) 모든 i에서 p_i > 0, q_i > 0일 때 H(p, q) = H(p) + KL(p‖q)임을 보여라. (나) p = (0.5, 0.5), q = (0.9, 0.1)로 세 양을 계산하라. (다) q에 0인 칸이 있으면 어떻게 되는가? p에 0인 칸이 있으면? (위 위젯의 「문제 8」 단추로 (나)의 두 분포를 불러올 수 있다. 셋째 결과의 확률은 0으로 둔다.)

함께 풀기

(나)부터 했어요. H(p,q) = 1.204, H(p) = 0.693, KL = 0.511. 더하면 1.204. 맞으니까 (가)도 성립해요.

그건 (가)의 증명이에요, 예시예요?

…예시네요. 숫자 하나 맞는 걸로는 모든 p, q를 말 못 하죠.

식으로 하면 한 줄이에요. −log q_i = −log p_i + log(p_i/q_i)를 p_i로 가중해서 더하면 끝이에요. (다)도 같은 식이니까 그냥 성립하겠죠.

p = (0.5, 0.5), q = (1, 0)을 넣어 봐요.

−log q₂ = −log 0이라… 무한대요. 로그를 쪼개는 단계에서 log 0을 유한한 수처럼 다뤘어요. 양쪽이 둘 다 ∞라서 “∞ = 0.693 + ∞” 꼴이 되긴 하는데, 그건 증명이 아니라 약속이에요.

그래요. q_i = 0이고 p_i > 0인 칸이 있으면 교차엔트로피도 KL도 무한대로 정의해요. 반대로 p_i = 0인 칸은요?

그 칸은 0 × log 0 = 0으로 약속했으니 합에서 빠져요. q가 거기에 뭘 주든 상관없어요. 현실에서 안 일어나는 일이니까요.

그래서 분류 모델 출력에 softmax를 쓰는 거네요. softmax는 어떤 클래스에도 정확히 0을 안 주니까 loss가 무한대로 안 가요.

해석학에서 "식이 성립한다"는 말 앞에 늘 "정의되는 범위에서"가 붙던 게 이런 이유였어요.

문제 9. 라벨이 엇갈리는 데이터의 loss 바닥

이진 분류 데이터에 똑같은 입력이 여러 번 나오는데, 사람 평가자들이 붙인 라벨은 70%가 「1」, 30%가 「0」으로 엇갈려 있다. 모델은 이 입력에 「1」일 확률 q 하나를 낸다. (가) q = 0.99일 때 이 입력에서의 평균 cross-entropy loss(nat)는? (나) q를 바꾸어 loss를 가장 작게 하면 q와 loss는 얼마인가? (다) 모델을 아무리 키워도 이 loss를 0으로 만들 수 없는 까닭을 교차엔트로피를 쪼갠 식으로 설명하라. (위 위젯의 「문제 9」 단추로 라벨 분포와 q = 0.99를 불러와 q를 옮겨 볼 수 있다.)

함께 풀기

모델을 충분히 키우면 결국 1.0을 내서 loss가 0이 되지 않아요? 일단 q = 0.99면 −(0.7 ln 0.99 + 0.3 ln 0.01) ≈ 0.007 + 1.382 = 1.389 nat이에요. 1에 가까이 갔는데 오히려 커졌네요.

라벨이 「0」인 30%에서 q = 1을 내면요?

−ln 0이라 끝없이 커져요. 0으로 가려다 무한대로 가네요.

(나)는 q로 미분하면 −0.7/q + 0.3/(1 − q) = 0이라 q = 0.7. loss는 −(0.7 ln 0.7 + 0.3 ln 0.3) ≈ 0.611 nat이에요. 라벨 분포 (0.7, 0.3)의 엔트로피 그대로네요.

그 0.611을 교차엔트로피를 쪼갠 식에 놓으면 어느 몫이에요?

H(p, q) = H(p) + KL(p‖q)에서 q = p라 KL이 0이고 H(p)만 남은 거예요. 모델이 줄일 수 있는 건 KL뿐이고, H(p)는 데이터가 정한 몫이라 모델 크기와 상관없어요. loss의 바닥은 0이 아니라 H(p)예요.

그래요. 학습 곡선이 어떤 값에서 더 내려가지 않는다고 늘 모델 탓은 아니에요. 라벨이 엇갈리는 데이터라면 그 바닥이 데이터의 엔트로피예요.

조교님 두 분의 채점이 엇갈리는 과제라면, 누가 점수를 예측해도 두 분 점수를 다 맞힐 수는 없는 거랑 같네요.