信息科学原理第一章(香农熵,条件熵,相对熵)

@(信息科学原理)

导论

香农熵

信息: h(x)=logp(x) h ( x ) = − log ⁡ p ( x )

H(X,Y)=xXP(x)log(P(x))=ExPlog(P(x)) H ( X , Y ) = − ∑ x ∈ X P ( x ) log ⁡ ( P ( x ) ) = E x ∼ P l o g ( P ( x ) )

其中 0log0=0 0 log ⁡ 0 = 0 ,并且定义 log1e=1nats log ⁡ 1 e = 1 n a t s log12=1bits log ⁡ 1 2 = 1 b i t s

联合熵

H(X,Y)=xX,yYP(x,y)logP(x,y)=ExPlogP(x,y) H ( X , Y ) = − ∑ x ∈ X , y ∈ Y P ( x , y ) log ⁡ P ( x , y ) = E x ∼ P log ⁡ P ( x , y )

互信息

I(X,Y)=xX,yYP(x,y)logP(x,y)P(X)P(Y)=Ex,yPlogP(x,y)P(X)P(Y)=DKL(P(x,y)P(X)P(Y)) I ( X , Y ) = ∑ x ∈ X , y ∈ Y P ( x , y ) log ⁡ P ( x , y ) P ( X ) P ( Y ) = E x , y ∼ P log ⁡ P ( x , y ) P ( X ) P ( Y ) = D K L ( P ( x , y ) ∣∣ P ( X ) P ( Y ) )

衡量两个信息的相关性大小的量

条件熵

H(Y|X)=xX,yYP(x,y)logP(y|x)=xX,yYP(x,y)logP(x,y)P(x)=xX,yYP(x,y)logP(x)P(x,y)=Ex,yPlogP(x)P(x,y) H ( Y | X ) = − ∑ x ∈ X , y ∈ Y P ( x , y ) log ⁡ P ( y | x ) = − ∑ x ∈ X , y ∈ Y P ( x , y ) log ⁡ P ( x , y ) P ( x ) = ∑ x ∈ X , y ∈ Y P ( x , y ) log ⁡ P ( x ) P ( x , y ) = E x , y ∼ P l o g P ( x ) P ( x , y )

知道的信息越多,随机事件的不确定性就越小

proof: H(X,Y)=H(X)+H(Y|X) H ( X , Y ) = H ( X ) + H ( Y | X ) :

H(X,Y)=xX,yYP(x,y)logP(x,y)=xX,yYP(x,y)log[P(y|x)P(x)]=xX,yYP(x,y)[logP(y|x)+logP(x)]=xX,yYP(x,y)logP(y|x)+[xXP(x)logP(x)]=H(Y|X)+H(x) H ( X , Y ) = − ∑ x ∈ X , y ∈ Y P ( x , y ) log ⁡ P ( x , y ) = − ∑ x ∈ X , y ∈ Y P ( x , y ) log ⁡ [ P ( y | x ) P ( x ) ] = − ∑ x ∈ X , y ∈ Y P ( x , y ) [ log ⁡ P ( y | x ) + log ⁡ P ( x ) ] = − ∑ x ∈ X , y ∈ Y P ( x , y ) log ⁡ P ( y | x ) + [ − ∑ x ∈ X P ( x ) log ⁡ P ( x ) ] = H ( Y | X ) + H ( x )

proof: H(X,Y|Z)=H(X|Z)+H(Y|X,Z) H ( X , Y | Z ) = H ( X | Z ) + H ( Y | X , Z )
H(X,Y|Z)=x,y,zP(x,y,z)logP(x,y|z)=x,y,zP(x,y,z)log[P(x,y,z)P(z)]=x,y,zP(x,y,z)log[P(x,y,z)P(x,z)P(x,z)p(z)]=[x,y,zP(x,y,z)logP(x,y,z)P(x,z)]+[x,y,zP(x,y,z)logP(x,z)P(z)]=[x,y,zP(x,y,z)logP(x,y,z)P(x,z)]+[x,zP(x,z)logP(x,z)P(z)]=H(Y|X,Z)+H(X|Z) H ( X , Y | Z ) = − ∑ x , y , z P ( x , y , z ) log ⁡ P ( x , y | z ) = − ∑ x , y , z P ( x , y , z ) log ⁡ [ P ( x , y , z ) P ( z ) ] = − ∑ x , y , z P ( x , y , z ) log ⁡ [ P ( x , y , z ) P ( x , z ) P ( x , z ) p ( z ) ] = [ − ∑ x , y , z P ( x , y , z ) log ⁡ P ( x , y , z ) P ( x , z ) ] + [ − ∑ x , y , z P ( x , y , z ) log ⁡ P ( x , z ) P ( z ) ] = [ − ∑ x , y , z P ( x , y , z ) log ⁡ P ( x , y , z ) P ( x , z ) ] + [ − ∑ x , z P ( x , z ) log ⁡ P ( x , z ) P ( z ) ] = H ( Y | X , Z ) + H ( X | Z )

相对熵(KL-散度)

DKL(PQ)=xXP(x)logP(x)Q(x)=ExP[logP(x)Q(x)]=ExP[logP(x)logQ(x)] D K L ( P ∣∣ Q ) = ∑ x ∈ X P ( x ) log ⁡ P ( x ) Q ( x ) = E x ∼ P [ log ⁡ P ( x ) Q ( x ) ] = E x ∼ P [ log ⁡ P ( x ) − log ⁡ Q ( x ) ]

note: DKL(PQ)0 D K L ( P ∣∣ Q ) ≥ 0 ,用于衡量两个分布的相似性

交叉熵

H(P,Q)=H(P)+DKL(PQ)H(P,Q)=ExPlogQ(x) H ( P , Q ) = H ( P ) + D K L ( P ∣∣ Q ) H ( P , Q ) = − E x ∼ P log ⁡ Q ( x )

边缘概率,条件概率,联合概率

Alt text
- 边缘概率就是计算每一边
- 联合概率计算的是 P(X=x,Y=y)=P(y|x)P(x) P ( X = x , Y = y ) = P ( y | x ) P ( x )

- 条件概率计算的是 P(y|x)=P(x,y)P(x) P ( y | x ) = P ( x , y ) P ( x )

对于离散的随机变量:
Alt text

对于连续的随机变量:
Alt text

example

H(X)=xXP(x)logp(x)=12log2+14log4+18log8+18log8=74log2=74bits H ( X ) = − ∑ x ∈ X P ( x ) log ⁡ p ( x ) = 1 2 log ⁡ 2 + 1 4 log ⁡ 4 + 1 8 log ⁡ 8 + 1 8 log ⁡ 8 = 7 4 log ⁡ 2 = 7 4 b i t s

H(X|Y)=xXyYP(x,y)logP(x,y)P(y)=432log1/44/32+232log1/42/32+232log1/42/32+=118bits H ( X | Y ) = − ∑ x ∈ X y ∈ Y P ( x , y ) l o g P ( x , y ) P ( y ) = 4 32 log ⁡ 1 / 4 4 / 32 + 2 32 log ⁡ 1 / 4 2 / 32 + 2 32 log ⁡ 1 / 4 2 / 32 + ⋅ ⋅ ⋅ = 11 8 b i t s

H(X,Y)=xXyYP(x,y)logP(x,y)=278bits H ( X , Y ) = − ∑ x ∈ X y ∈ Y P ( x , y ) l o g P ( x , y ) = 27 8 b i t s

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值