f-散度

pandamax

于 2017-03-23 13:55:13 发布

阅读量2.8k

点赞数

分类专栏：算法类

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/pandamax/article/details/65442640

版权

算法类专栏收录该内容

40 篇文章 0 订阅

订阅专栏

在空间Ω上(欧式空间)P和Q是两个概率分布，并且有P对于Q绝对连续。然后，对于凸函数f有f（1）= 0，Q对P的f-散度定义为：

$D_{f}(P\parallel Q)\equiv \int _{{\Omega }}f\left({\frac {dP}{dQ}}\right)\,dQ.$

如果P和Q都相对于欧式空间上的参考分布μ绝对连续，那么可有它们的概率密度p和q均满足dP = pdμ和dQ = qdμ。在这种情况下，f分散可以写成：

$D_{f}(P\parallel Q)=\int _{{\Omega }}f\left({\frac {p(x)}{q(x)}}\right)q(x)\,d\mu (x).$

根据f函数不同的形式可以得到很多其他散度的形式：

JS散度与KL散度的关系表达式：

JS(P1||P2)=12KL(P1||P1+P22)+12KL(P2||P1+P22)

关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
f-散度

在空间Ω上(欧式空间)P和Q是两个概率分布，并且有P对于Q绝对连续。然后，对于凸函数f有f（1）= 0，Q对P的f-散度定义为：如果P和Q都相对于欧式空间上的参考分布μ绝对连续，那么可有它们的概率密度p和q均满足dP = pdμ和dQ = qdμ。
复制链接

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。