如何理解交叉熵？请列举公式说明

交叉熵是一种用来衡量两个概率分布之间的差异的指标。它通常用于在训练神经网络时计算误差。

对于两个概率分布 P 和 Q，它们的交叉熵被定义为：

H(P, Q) = - Σx P(x) log(Q(x))

其中，x 表示样本中的每个可能取值，P(x) 是 P 分布下 x 的概率，Q(x) 是 Q 分布下 x 的概率。log 是以 e 为底数的自然对数。

可以看出，当 P 和 Q 的分布越相似时，它们之间的交叉熵越小。在神经网络中，通常将交叉熵作为损失函数，用来评估模型的预测结果与实际标签的差异。