ML+DL 基础知识
信息瓶颈
参考视频和文章连接,谢谢~:
信息瓶颈理论_哔哩哔哩_bilibili
机器学习_KL散度详解(全网最详细)_kl散度计算公式-CSDN博客
一、定义
从源数据中提取出与任务目标相关的信息的方法
一般通过 优化权衡压缩项 和 预测项的 IB Lagrangian 来实现
1.1 率失真理论
1.1.1 优化目标
- 让 X X X 压缩为 X ~ \widetilde{X} X ,并且两者之间的 互信息 最小
- 约束条件:
- X X X 和 X ~ \widetilde{X} X 之间的期望失真概率:
- 采用两者之间距离来表示,让距离 $ \leq D$
- 距离的表示有很多种,可以自己换
1.2 信息瓶颈理论
1.2.1 目标
- 多了一个标签 Y Y Y
- 保留
X
X
X 关于
Y
Y
Y 的相关信息的前提下
- 降低 X X X 的码率
1.2.2 优化目标
- 最小化 X X X 和 X ~ \widetilde{X} X 的互信息
- 最大化 X ~ \widetilde{X} X 和 Y Y Y 的互信息
- 两者做差,最小化 L L L
1.2.3 距离
-
使用 KL 散度
- 衡量 两个分布之间距离
-
KL散度,可以以称作相对熵(relative entropy)或信息散度(information divergence)
-
理论意义:
- 度量两个概率分布之间的差异程度
- KL散度越大,两者的差异程度越大
- KL散度小,两者的差异程度小
- 如果两者相同的话,则该KL散度应该为0
- 度量两个概率分布之间的差异程度
-
在信息论中,熵代表着信息量
-
H ( P ) H(P) H(P)代表着基于 P P P分布自身的编码长度,最优的编码长度(最小字节数)
-
H ( P , Q ) H(P,Q) H(P,Q)代表着用 Q Q Q的分布去近似 P P P分布的信息,自然需要更多的编码长度
- 两个分布差异越大,需要的编码长度越大
- 所以,两个值相减是大于等于0的一个值,代表冗余的编码长度,即两个分布差异的程度
- KL散度在信息论中还可以称为相对熵(relative entropy)
-
对深度学习中的生成模型来说
- 希望最小化真实数据分布与生成数据分布之间的KL散度
- 从而使得 生成数据 尽可能接近 真实数据 的分布
-
实际场景中,几乎不可能知道真实数据分布 P d a t a ( x ) P_{data}(x) Pdata(x)的
- 使用训练数据形成的生成分布在逼近 P d a t a ( x ) P_{data}(x) Pdata(x)
二、提出