转载自：https://www.zhihu.com/question/41252833/answer/141598211
仅从机器学习的角度讨论这个问题。
相对熵（relative entropy）就是KL散度（Kullback–Leibler divergence），用于衡量两个概率分布之间的差异。
对于两个概率分布
和 
，其相对熵的计算公式为：
（
）
注意：由于
和
在公式中的地位不是相等的，所以
相对熵的特点，是只有
时，其值为0。若和 略有差异，其值就会大于0。其证明利用了负对数函数（
）是严格凸函数（strictly convex function）的性质。具体可以参考PRML 1.6.1 Relative entropy and mutual information.
相对熵公式的前半部分
就是交叉熵（cross entropy）。
若是数据的真实概率分布， 是由数据计算得到的概率分布。机器学习的目的就是希望 尽可能地逼近甚至等于，从而使得相对熵接近最小值0. 由于真实的概率分布是固定的，相对熵公式的后半部分
就成了一个常数。那么相对熵达到最小值的时候，也意味着交叉熵达到了最小值。对 的优化就等效于求交叉熵的最小值。另外，对交叉熵求最小值，也等效于求最大似然估计（maximum likelihood estimation）。具体可以参考Deep Learning 5.5 Maximum Likelihood Estimation.