信息熵+交叉熵+KL散度

熵的本质是香农信息量log\frac{1}{p} ，被用于描述一个系统中的不确定性。

在决策树算法中的信息熵:H(P) = -\sum_{i=1}^np_{i} logp_{i}

在反向传播算法中衡量两个分布p和q差异的交叉熵：     H(p,q )=-\sum_{i}^n p logq

KL散度(相对熵)： D_{KL}(p∣∣q)=H(p,q)−H(p)= \sum_{i}^n [p_{i}logp_{i} - p_{i}logq_{i}]

最后编辑于 ：
©著作权归作者所有,转载或内容合作请联系作者
【社区内容提示】社区部分内容疑似由AI辅助生成，浏览时请结合常识与多方信息审慎甄别。
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。

相关阅读更多精彩内容

友情链接更多精彩内容