熵的相关概念及相互关系（信息熵，条件熵，相对熵，交叉熵，最大似然估计）

最新推荐文章于 2022-10-13 13:34:16 发布

qnczmf

最新推荐文章于 2022-10-13 13:34:16 发布

阅读量6k

点赞数 1

分类专栏：算法

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/u012991043/article/details/81676179

版权

熵：系统混乱程度的度量，系统越混乱，熵越大。

信息熵：信息量的大小的度量，用于描述随机变量的不确定度。事件的不确定性越大，则信息量越大，信息熵越大。定义如下：

$H(X)=-\sum_{i=1}^n p(x_i)logp(x_i)$

条件熵：表示在已知随机变量X的条件下随机变量Y的不确定性。定义如下：

$H(Y|X)=\sum_x p(x)H(Y|X=x) =-\sum_xp(x)\sum_yp(y|x)logp(y|x) =-\sum_{x} \sum_{y} p(x,y)logp(y|x)$

另外， $H(Y|X)=H(X,Y) -H(X)$ ，说明描述X和Y所需的信息（H(X,Y) ࿰

最低0.47元/天解锁文章

关注

1
点赞
踩
12

收藏

觉得还不错? 一键收藏
0
评论
熵的相关概念及相互关系（信息熵，条件熵，相对熵，交叉熵，最大似然估计）

熵：系统混乱程度的度量，系统越混乱，熵越大。信息熵：信息量的大小的度量，用于描述随机变量的不确定度。事件的不确定性越大，则信息量越大，信息熵越大。定义如下：条件熵：表示在已知随机变量X的条件下随机变量Y的不确定性。定义如下：另外，，说明描述X和Y所需的信息（H(X,Y) ）是描述X自己所需的信息,加上给定X的条件下具体化Y所需的额外信息。相对熵：又称为KL散度，用来衡量两个...
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。