信息论基础 发表评论 1103 views 1 信息 2 熵 2.1 联合熵 2.2 条件熵 3 信息增益 3.1 信息增益比 4 基尼系数 5 KL散度 6 交叉熵 参考 1 信息 信息是不确定性的减少或消除——香农 对于随机变量$X$来说,其取值可能为${x_0,x_1,...,x_n}$ 假设变量$X$对应的概率分布为$p$,则$X=x_0$的信息量为 $$I(x_0)=-log(p(x_0))$$ 2 熵 熵(entropy)度量了事物的不确定性 不确定越高的事物,它的熵就越大。 随机变量X的熵可以表示如下: $$H(X)=-\Sigma_{i=1}^np_ilog(p_i)$$ 其中$n$表示$X$的所有 Read more