关于熵的数学基础
2015-07-24 14:28
204 查看
第一次写博客,呵呵。
在看自然语言处理的一个课件里关于“熵”一部分,本文记录一些基本公式和一些自己的理解。
部分文字和公式的图片是直接从ppt中拿下来的,侵删。
什么是熵?课件里的原话:熵又称为自信息(self-information),表示信 源 X 每发一个符号(不论发什么符号)所提供的 平均信息量。熵也可以被视为描述一个随机变 量的不确定性的数量。一个随机变量的熵越大, 它的不确定性越大。那么,正确估计其值的可 能性就越小。越不确定的随机变量越需要大的 信息量用以确定其值。
熵的单位一般是bit。
举个例子:简单的波利尼西亚语(Polynesian)是一些随机 的字符序列,按它的字符出现的概率计算出的熵H(P)=2.5(bits),那么就说明,我们可以设计一种编码,传输一 个字符平均只需要2.5个比特。
公式:
如果 X 是一个离散型随机变量,其概率分布为: p(x) = P(X = x),
![](http://img.blog.csdn.net/20150724142849516?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQv/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center)
。X 的熵
H(X) 为:
![](http://img.blog.csdn.net/20150724143706850?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQv/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center)
其中,约定 0log 0 = 0。 H(X) 也可以写为 H(p)。通常熵的单位为二进制位 比特 (bit)。
联合熵(joint entropy):
如果 X, Y 是一对离散型随机变量 X, Y ~ p(x, y), X, Y 的联合熵 H(X, Y) 为:
![](http://img.blog.csdn.net/20150724144352834?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQv/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center)
条件熵(conditional entropy):
给定随机变量 X 的情况下,随机变量 Y 的条件 熵定义为:
![](http://img.blog.csdn.net/20150724144603211?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQv/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center)
连锁规则:
在看自然语言处理的一个课件里关于“熵”一部分,本文记录一些基本公式和一些自己的理解。
部分文字和公式的图片是直接从ppt中拿下来的,侵删。
什么是熵?课件里的原话:熵又称为自信息(self-information),表示信 源 X 每发一个符号(不论发什么符号)所提供的 平均信息量。熵也可以被视为描述一个随机变 量的不确定性的数量。一个随机变量的熵越大, 它的不确定性越大。那么,正确估计其值的可 能性就越小。越不确定的随机变量越需要大的 信息量用以确定其值。
熵的单位一般是bit。
举个例子:简单的波利尼西亚语(Polynesian)是一些随机 的字符序列,按它的字符出现的概率计算出的熵H(P)=2.5(bits),那么就说明,我们可以设计一种编码,传输一 个字符平均只需要2.5个比特。
公式:
如果 X 是一个离散型随机变量,其概率分布为: p(x) = P(X = x),
。X 的熵
H(X) 为:
其中,约定 0log 0 = 0。 H(X) 也可以写为 H(p)。通常熵的单位为二进制位 比特 (bit)。
联合熵(joint entropy):
如果 X, Y 是一对离散型随机变量 X, Y ~ p(x, y), X, Y 的联合熵 H(X, Y) 为:
条件熵(conditional entropy):
给定随机变量 X 的情况下,随机变量 Y 的条件 熵定义为:
连锁规则:
相关文章推荐
- 【MySQL】解决windows下mysql匿名登陆无法使用mysql数据库的问题
- js代码--根据经纬度计算距离
- GRE写作必备句型
- HDUOJ 1002大数相加
- Storm里的jave类加载问题
- iOS开发UI篇—UITableviewcell的性能优化和缓存机制
- mysql启动错误[Bind on TCP/IP port:...]
- 构造函数理解
- linux下漏洞扫描工具软件结构报告
- Linux常用命令总结
- [转]根据两点经纬度计算距离
- 安卓加密
- FileReference 上传文件,java接收
- Mysql 二进制日志
- iOS 实现百度LBS定位
- 置顶博客
- Spring 开发第一步导入jar包
- Razor 语法 8个要点
- android技巧:快速重建system.img
- HD1002 A + B Problem II(大数简单的加法)