数学基础 | (6) 机器学习中的几个熵

原文地址 目录 1. 信息量 2. 信息熵 3. 相对熵(KL散度/KL divergence) 4. 交叉熵 5. 几个熵之间的关系 6. JS散度 7. Wasserstein距离 8. 总结 1. 信息量 事件发生的概率越小，信息量越大。 假设X是一个离散型随机变量，取值集合为，概率分布函数（概率分布律）为 则定义事件的信息量为：   2. 信息熵 信息量的期望就是熵，假设事件X有n种可能，

>>阅读原文<<