1 最大熵原来和最大熵模型
保留全部的不确定性,将风险降到最小。
最大熵原理指出,第一个随机事件的概率分布进行预测时,我们的预测应当满足全部已知的条件,而应对未知的情况不要做任何主观假设。在这种情况下,概率分布最均匀,预测的风险最小。因为这时概率分布的信息熵最大,所以人们把这种模型叫做“最大熵模型”。
对任何一组不自相矛盾的信息,这个最大熵模型不仅存在,而且时唯一的。
最大熵模型在形式上是最漂亮、最完美的统计模型,在自然语言处理和金融方面都有很多有趣的应用。
2 最大熵模型的训练
最原始的最大熵模型的训练方法是一种称为通用迭代算法GIS的迭代算法。
1. 假定第零次迭代的初始模型为等概率的均匀分布。
2. 用第N次迭代的模型来估算每种信息特征在训练数据中的分布。如果超过了实际的,就把相应的模型参数变小。否则,将它们变大。
3. 重复步骤2,直到收敛。
最大熵模型,可以说是集简繁于一体:形式简单,实现复杂。