← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9293.a · 生成模型:GPT-6

信息量与熵分属单次和平均

理解等级:中级

单个结果的自信息为−log p,罕见结果出现时自信息更大;熵为其概率加权平均。以2为底单位是比特,以e为底是奈特。不能把一次事件的信息量直接当整个随机变量的熵。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • · 查看原书依据

      如果说概率是对事件确定性的度量,那么信息(包括信息量和信息熵)就是对事物不确定性的度量。信息熵是由香农(C. E. Shannon)在1948年发表的论文《通信的数学理论(A Mathematical Theory of Communica

    参考来源

    - 位置:《NLP汉语自然语言处理原理与实践 (郑捷)》第04章《NLP中的概率图模型》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/NLP汉语自然语言处理原理与实践 (郑捷)/_epub-src/OEBPS/text00009.html) - 结论依据:摘录中关于信息量与熵分属单次和平均的定义、比较或条件支撑卡片;原书表述不严谨的范围已在覆盖记录逐项限定,不把案例结果外推为普遍结论。 - 原始内容:如果说概率是对事件确定性的度量,那么信息(包括信息量和信息熵)就是对事物不确定性的度量。信息熵是由香农(C. E. Shannon)在1948年发表的论文《通信的数学理论(A Mathematical Theory of Communica