熵 Entropy -- 香农熵、相对熵、交叉熵、条件熵

快速概览：

香农熵 -- 熵的定义
交叉熵 -- 一般可做为分类模型的损失函数 （交叉熵是由相对熵转化过来的，交叉熵 = 相对熵 - 熵 ），对于采样的数据（训练集，熵H 是定值，故交叉熵 和 相对熵 做损失函数是等价的。）
相对熵 -- KL散度
条件熵 -- 信息增益（也叫互信息）= 熵 - 条件熵，决策树ID3算法依据就是信息增益 information gain

 

香农熵

1948 年，香农提出了“信息熵”(shāng) 的概念，解决了对信息的量化度量问题。

我们如何来量化度量信息量呢？以世界杯赛为例。大家都很关心谁会是冠军。假如我错过了看世界杯，赛后我问一个知道比赛结果的观众“哪支球队是冠军”？ 他不愿意直接告诉我， 而要让我猜，并且我每猜一次，他要收一元钱才肯告诉我是否猜对了，那么我需要付给他多少钱才能知道谁是冠军呢? 我可以把球队编上号，从 1 到 32， 然后提问： “冠军的球队在 1-16 号中吗?” 假如他告诉我猜对了， 我会接着问： “冠军在 1-8 号中吗?” 假如他告诉我猜错了， 我自然知道冠军队在 9-16 中。 这样最多只需要五次， 我就能知道哪支球队是冠军。所以，谁是世界杯冠军这条消息的信息量只值五块钱。

此时可能会发现我们实际上可能不需要猜五次就能猜出谁是冠军，因为象巴西、德国、意大利这样的球队得冠军的可能性比日本、美国、韩国等队大的多。因此，我们第一次猜测时不需要把 32 个球队等分成两个组，而可以把少数几个最可能的球队分成一组，把其它队分成另一组。然后我们猜冠军球队是否在那几只热门队中。我们重复这样的过程，根据夺冠概率对剩下的候选球队分组，直到找到冠军队。这样，我们也许三次或四次就猜出结果。因此，当每个球队夺冠的可能性（概率）不等时，“谁世界杯冠军”的信息量的信息量比五比特少。香农指出，它的准确信息量应该是

                                                      

其中，  分别是这 32 个球队夺冠的概率。香农把它称为“信息熵” (Entropy)，一般用符号 H 表示，单位是比特。可以推算当 32 个球队夺冠概率相同时，对应的信息熵等于五比特。

香农熵(Shannon entropy)在生物信息领域基因表达分析中也有广泛的应用，如一些或一个基因在不同组织材料中表达情况己知，但如何确定这些基因是组织特异性表达，还是广泛表达的，那我们就来计算这些基因在N个样本中的香农熵，结果越趋近于log2(N)，则表明它是一个越广泛表达的基因，结果越趋近于0则表示它是一个特异表达的基因。  -- 吴军《数学之美》

更一般的：

相对熵 -- KL散度

非负性可用 Jensen不等式证明

参考https://zhuanlan.zhihu.com/p/39682125

JS散度也称JS距离，是KL散度的一种变形 -- 对称

交叉熵

互信息

一般的，熵H(Y) 与 条件熵H(Y|X) 之差成为互信息（mutual information）。

决策树学习中的信息增益（information gain）等价于训练数据集中类与特征的互信息。

决策树ID3算法是基于信息增益的，C4.5算法基于信息增益比。

互信息可以度量两个随机变量相关性，如果互信息为0，则两个随机变量独立（注意，不是“不相关”）。

 

Reference：

https://blog.csdn.net/tsyccnh/article/details/79163834

https://zhuanlan.zhihu.com/p/39682125

http://m.elecfans.com/article/677158.html   -- KL散度的应用

https://blog.csdn.net/weixinhum/article/details/85064685