一、信息量
- 定义:用一个信息的编码长度。
- 性质:编码长度与出现的概率成负相关。(如:哈夫曼编码)
- 公式(0/1编码)
I = log 2 ( 1 p ( x ) ) = − log 2 ( p ( x ) ) I=\log_2(\frac{1}{p(x)})=-\log_2(p(x)) I=log2(p(x)1)=−log2(p(x))
二、信息熵
- 定义:一个分布的信息量。(编码的平均长度/信息量的均值)
- 公式
H ( p ) = ∑ x p ( x ) l o g 2 ( 1 p ( x ) ) = − ∑ x p ( x ) log 2 ( p ( x ) ) H(p)=\sum_x{p(x)log_2(\frac{1}{p(x)})}=-\sum_x{p(x)\log_2(p(x))} H(p)=x∑p(x)log2(p(x)1)=−x∑p(x)log2(p(x))
三、交叉熵 cross-entropy
- 定义:用猜测的分布 ( p ) (p) (p)的编码方式 编码 真实的分布 ( q ) (q) (q),得到的平均编码长度/信息量均值。