机器学习小知识：相对熵
相对熵又称互熵、交叉熵、KL散度、信息增益，是描述两个概率分布P和Q差异的一种方法，记为D(P||Q)。在信息论中，D(P||Q)表示当用概率分布Q来拟合真实分布P时，产生的信息损耗，其中P表示真实分布，Q表示P的拟合分布。（P,Q越相似，相对熵越小） 老羊快跑微信公众号、钉钉分享交流群如下。
相关文章
- 1. 机器学习小知识：相对熵
- 2. 2.20机器学习：交叉熵 信息熵 相对熵
- 3. 【实习】机器学习相关知识
- 4. 【机器学习】一文理清信息熵，相对熵，交叉熵
- 5. 轻松读懂机器学习由 信息量→熵→相对熵→交叉熵
- 6. 【机器学习】信息量，信息熵，相对熵(KL散度)，交叉熵
- 7. 机器学习、深度学习中的信息熵、相对熵（KL散度）、交叉熵、条件熵
- 8. 机器学习—熵
- 9. 机器学习(2.100)数据知识积累——香农熵
- 10. 机器学习中的熵
- 更多相关文章...
- • 您已经学习了 XML Schema，下一步学习什么呢？ - XML Schema 教程
- • 我们已经学习了 SQL，下一步学习什么呢？ - SQL 教程
- • Tomcat学习笔记（史上最全tomcat学习笔记）
- • 适用于PHP初学者的学习线路和建议
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
