- 什么是信息瓶颈理论
信息瓶颈(英语:information bottleneck)理论是信源压缩的率失真理论的一种拓展。通俗讲:
由于没有先验知识,于是只好都记住,但是可以消除数据本身的冗余(如huffman编码)。这个是最传统的数据压缩,如果允许压缩时失真,对应的是率失真理论:给定失真下可获得的最低压缩码率,即在失真和压缩码率之间权衡。
如果有先验知识,比如数据是带标签的,那消除数据本身的冗余之外,还“遗忘(压缩)”与标签无关的信息(与学习任务无关的冗余),对应的就是信息瓶颈理论:在保留关于标签相关信息和获得高效的压缩之间权衡。
可以看出,率失真理论和信息瓶颈理论都是考虑在一定失真前提下,尽量降低对信源编码的码率(即X_hat与X的互信息),β越小所对应的压缩率越高。区别在于:
率失真理论:编码时没有考虑关于信源X的外部信息,只关注编码后的X_hat与相对原始数据X之间的距离,且距离越大,失真越大。
信息瓶颈理论:考虑了信源X中蕴含了关于Y的相关信息,因此对失真的定义为X_hat与外部数据Y之间的互信息(可转换为KL散度计算),且互信息越大,失真越小。因此,信息瓶颈理论可以看作率失真理论的一种特例。
如果要解释下数据公式表达,下面为补充说明:
D_KL:Kullback-Lei