1. 自信息
自信息是信息不确定性的衡量指标。信息发生的可能性越高，包含的信息越少，信息发生的可能性越低，包含的信息量越大。
2. 信息熵
信息熵是自信息的期望值，表示平均大小。它是表达信息量的大小，也是信息不确定性的度量。信息越是不确定，信息量越大，信息熵越高。信息越是有序，信息量越小，信息熵也越小。
信息熵还有一种解读就是信息的编码角度。如果信息越是有序的，极端情况只有一个值，其实用一个bit就可以表达，如果有N个值，那么就考虑用多个bit才能枚举这些值。越是无序，值越多，需要的信息表达的类别也越多，也意味着信息量越大。
定义公式：
3. 联合熵
对联合概览分布信息量求期望
4. 条件熵
对某个值的条件概率熵的期望。
注意：条件熵的定义不是直接对条件概率求信息熵。如下图公司所示，对于每个y取值，都有一个熵，因此要再对熵的基础上再计算期望，求出最终的条件熵。
5. 条件熵 和联合熵的关系
H(Y|X) = H(X,Y) - H(X)
上面表示，联合分布新增的信息量，是有条件熵带来的。
6. 相对熵
衡量真实值和预测值差异的大小的度量。应用场景：机器学习中，需要通过模型训练预测真实值的分布，那么如何评价预测值和真实值的差异呢？就可以通过相对熵来拟合
公式如下：
说明：如果预测分布和真实分布相等，那么相对熵就是0。也就是说这个值越小，预测值和真实值越接近。反之，差异越大。
非负数性证明
7. 交叉熵
对上面相对熵的公式变换之后，可以发现：
由于真实值的熵是一个定值，因此使用交叉熵表示真实值和预测值之间的差异。
8. 信息增益（互信息量）
衡量两个变量的相关程度。
定义公式，如下：对求期望
根据公式可以知道，相关程度越高，互信息量越大。反之，越小。如果两个变量完全独立，那么p(x,y) = p(x)p(y)，带入上面的公式，此时的信息增益为0。
信息增益的一个应用：在决策树分类模型中，我们在选择特征进行分裂的时候，选择新信息增益最大的特征进行分裂，这样一次分裂最大程度的减少了整个数据集的不确定性。
9. 互信息量和信息熵的关系
V(X,Y)= H(X)+H(Y)-H(X,Y) = H(Y)-H(Y|X)
10. 增益率
使用信息增益在决策分类模型中，有一个问题。就是会发现信息增益大的特征，总是枚举值特别多的特征。这个比较好理解，比如极端情况下，对于特征X来说，每个样本的取值都不同，也就是说对于每个样本的x取值来说，只有一个y值，那么p(y|x) = 1，也就是x和y相关性很高，这样的话，信息增益也是最大的。为了解决这个问题，就不能直接使用绝对值来看信息增益，需要使用信息增益比率来反映相关性。
这个定义，其实并不能难想。跟我们在统计一个公司的业绩的时候，看同比增长量，也看同比增长率。同比增长率的定义就是 YOY = (today-last)/last。
那么相应的，增益率的定义就是 gain_ratio = (H(Y) - H(Y|X)) / H(Y|X) = V(X,Y)/H(Y|X)
