超级会员免费看
条件熵
其实条件熵意思是按一个新的变量的每个值对原变量进行分类，比如上面这个题把嫁与不嫁按帅，不帅分成了俩类。
然后在每一个小类里面，都计算一个小熵，然后每一个小熵乘以各个类别的概率，然后求和。
我们用另一个变量对原变量分类后，原变量的不确定性就会减小了，因为新增了X的信息，可以感受一下。不确定程度减少了多少就是信息的增益。
信息增益
H(Y,X) = H(X) - H(Y|X)
信息熵（香农熵经验熵）
熵（entropy）表示随机变量不确定性的度量，也就是熵越大，变量的不确定性就越大。设是一个有限值的离散随机变量，其概率分布为
则随机变量X的熵定义为：
条件熵是指根据另一变量的值对原变量进行分类后，计算各子类的熵并加权求和，体现不确定性减少的程度。信息增益则是通过熵的减少来衡量新增信息对原有不确定性的影响，公式为H(Y,X) = H(X) - H(Y|X)，其中H(Y|X)表示条件熵。"
111526673,10294357,Vue实现个人信息查看与密码修改,"['前端开发', 'Vue', '表单验证', 'Vuex', 'API接口']
3110
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
