information theory——熵
来源:互联网 发布:me的域名 编辑:程序博客网 时间:2024/05/29 15:48
熵用来度量一个事件、一个变量取值所含有的信息的量的大小。
出发点:一个低概率事件发生——背后信息大;反之亦然。比如,找人算1+1,等于2是很显然的,但是某人算出个3出来,那背后就有很大空间可以让我们想象了。
实施:既然信息量和概率(以及发生)有关,那就从事件发生的概率角度度量信息量;p(X)
设信息量用h(·)来表示
低概率事件信息量>高概率事件:所以h(·)与p(X)是个负相关关系
若两事件独立,则p(X,Y)=p(X)*p(Y),h(X,Y)应该等于h(X)+h(Y)。所以:h(p(X,Y)) 能变成h(p(X))+h(p(Y))。 What?! 让变量之间乘法变加法? 是什么函数?必然是log啊
轮廓: h(p(X)) 大约是log(p(X)) 的样子。
但是!要是负相关关系啊!要是单调减的啊!前面再来个负号吧!~
结果:h(x) = −log 2 p(X)
但是,如果是一个变量,这个变量取值多少呢(熵)?
质疑:具体到具体数据集的信息量?不知道概率还罢了。如果知道了概率(如通过训练样本得到),是否应该在测试集上,以训练集的概率,以及测试集事件发生概率结合,进行新的度量?比如Ptest(x)/Ptrain(x)进行估计?某种程度上可以反应我估计的特征之类的质量好坏?
或者训练集、测试集差别大小?
reference: PRML
阅读全文
0 0
- information theory——熵
- Information theory 熵-不确定性(Entropy - uncertainty)
- Elements of Information Theory
- 学习information theory
- 1.6 Information Theory信息论简介
- Number theory——BNUOJ
- 机器学习中的一些信息论 information theory
- 信息论(Information theory)的一些知识点
- Uncertainty and Information: Foundations of Generalized Information Theory
- 信息熵——Information Entropy
- hdu 4215——Number Theory
- Handbook of Critical Information Systems Research: Theory And Application
- [机器学习]信息论(Information theory)的一些point
- Information Theory in Data Mining & Decision Trees learning
- CS281: Advanced Machine Learning 第二节 information theory 信息论
- 机器学习学习笔记 PRML Chapter 1.6 : Information Theory
- Information Theory and Network Coding (Information Technology: Transmission, Processing and Storage)
- ZOJ 3630 —— Information
- 一次完整的HTTP请求
- 批处理
- 袁萌为何鸣冤叫屈?
- android-studio开发工具的安装及配置
- java学习初探九之StringBuffer、StringBuilder
- information theory——熵
- 获取本年的黄牌和红牌之和
- hdu 5900 区间dp
- 原型模式|设计模式
- python的数据挖掘--YongGG
- js中的事件委托或是事件代理详解
- hdu 5761 How Many Triangles 极角排序
- MyEclipse各版本复制项目时,更改访问路径总结
- poj2752 Seek the Name, Seek the Fame(next数组的理解)