引言
关于信息熵请看之前一篇博客:傻子都能看懂的——信息熵(香农熵)
条件熵 H(Y|X) 表示在已知随机变量 X 的条件下随机变量 Y 的不确定性。条件熵 H(Y|X) 定义为 X 给定条件下 Y 的条件概率分布的熵对 X 的数学期望。
如何理解这个数学期望,请看下图公式第二步,是不是一个经典的数学期望式子?
第二步到第三步,也就是条件概率到联合概率:P(x,y)=P(x∩y)=P(x|y)*P(y)
例子
假如我们有上面数据:
设随机变量Y&
关于信息熵请看之前一篇博客:傻子都能看懂的——信息熵(香农熵)
条件熵 H(Y|X) 表示在已知随机变量 X 的条件下随机变量 Y 的不确定性。条件熵 H(Y|X) 定义为 X 给定条件下 Y 的条件概率分布的熵对 X 的数学期望。
如何理解这个数学期望,请看下图公式第二步,是不是一个经典的数学期望式子?
第二步到第三步,也就是条件概率到联合概率:P(x,y)=P(x∩y)=P(x|y)*P(y)
假如我们有上面数据:
设随机变量Y&