一句话记住：信息熵相对熵(KL散度) 交叉熵条件熵联合熵及其关系

最新推荐文章于 2024-10-17 00:18:39 发布

choose_c

最新推荐文章于 2024-10-17 00:18:39 发布

阅读量733

点赞数

分类专栏：机器学习

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/choose_c/article/details/90574358

版权

机器学习专栏收录该内容

17 篇文章 0 订阅

订阅专栏

信息熵：H(X) $-\sum P_{i}logP_{i}$ ，概率为Pi的事件包含的信息量。

交叉熵： $-\sum P_{i}logQ_{i}$ ，使用 $Q_{i}$ 的分布表示 $P_{i}$ 的分布所使用的信息量。

相对熵： $\sum P_{i}log(P_{i }/Q_{i })$ ,使用 $Q_{i}$ 的分布表示 $P_{i}$ 的概率所多使用的信息量。

关系：信息熵+相对熵=交叉熵

条件熵： $-\sum _{x ,y}P_{\left ( x,y \right )}logP_{\left ( y|x \right )}$ ，已知事件X发生，Y事件发生包含的信息量。

联合熵： $-\sum _{x,y}P_{\left ( x,y \right )}logP_{\left ( x,y \right )}$ ,事件X,Y共同发生包含的信息量。

关系：信息熵+条件熵=联合熵

ps：tfidf可以近似表示为相对熵(有前提条件)。

关注

0
点赞
踩
2

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。