最大熵模型与分类器

先推荐两个链接，都是讲最大熵的，强的一批。

http://blog.csdn.net/erli11/article/details/24718655

http://blog.csdn.net/v_july_v/article/details/40508465

一.思路

最大熵其实也是个用来做分类器的思想，用的是条件熵最大的意义（这一点可以看到跟极大似然估计很像），最大熵模型在做分类的时候其实也是判断

P（y|x）概率的大小的，从而决定归类。但是这里的p(y|x)不是跟朴素贝叶斯一样从样本数据中获得先验概率然后计算，而是通过条件熵最大而求得

每个讲解最大熵模型的都会用这么个例子，一个色子，6面，问人掷每面的概率是多少，每个人一定会说每面都是1/6，为什么每个人会说1/6，而不是说什么1是1/3，2是1/2这样子的组合呢，因为每个人潜意识里面觉得这样子最“保险”，那么“最保险”到底代表着什么意思呢？因为均匀分布刚好是熵最大的模型，而最大熵模型认为，对于那些不知道的事件，认为他们是等可能的是最好的，也满足最大熵的情况。

二.特征函数和限制条件

看过最大熵模型的人都知道会有这么一个限制条件，

那么这个特征函数到底代表什么