文件名称:
数学基础 | (6) 机器学习中的几个熵
开发工具:
文件大小: 428kb
下载次数: 0
上传时间: 2021-01-20
详细说明：原文地址
目录
1. 信息量
2. 信息熵
3. 相对熵(KL散度/KL divergence)
4. 交叉熵
5. 几个熵之间的关系
6. JS散度
7. Wasserstein距离
8. 总结
1. 信息量
事件发生的概率越小，信息量越大。
假设X是一个离散型随机变量，取值集合为
则定义事件的信息量为：
2. 信息熵
信息量的期望就是熵，假设事件X有n种可能，发生的概率为,那么该事件的熵H(X)为：
如果发生的事件只有两种可能性，那么熵的计算转化为下列式子：
3. 相对熵(KL散度/KL divergence)
相对熵又叫KL散度，也叫做信息增益，如果我们对于同一个随机变量X，有两个
(系统自动生成,下载前可以参看下载内容)
下载文件列表
相关说明
- 本站资源为会员上传分享交流与学习,如有侵犯您的权益,请联系我们删除.
- 本站是交换下载平台，提供交流渠道，下载内容来自于网络，除下载问题外，其它问题请自行百度。
- 本站已设置防盗链，请勿用迅雷、QQ旋风等多线程下载软件下载资源，下载后用WinRAR最新版进行解压.
- 如果您发现内容无法下载，请稍后再次尝试；或者到消费记录里找到下载记录反馈给我们.
- 下载后发现下载的内容跟说明不相乎，请到消费记录里找到下载记录反馈给我们，经确认后退回积分.
- 如下载前有疑问，可以通过点击"提供者"的名字，查看对方的联系方式，联系对方咨询.
