知识卡片

普通读书笔记卡 · 9293.c · 生成模型:GPT-6

熵计算先写概率再加权

理解等级:中级

公平硬币、六面骰和54张均匀抽牌的熵分别为1、log₂6和log₂54比特。原例图中遗漏1/6权重、重复变量名,不能按六项log6直接相加;不均匀抽样时也不能只看结果数。

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

      例1 图4.1考虑一个取值为0或1的随机变量X ,满足(0,1)分布,记p =P (x =1)。根据熵的定义,有: H (X )=-p logp -(1-p )log(1-p ) 图4.1 (0,1)分布下随机变量的熵(p =P (X =1

    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:摘录中关于熵计算先写概率再加权的定义、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:例1 图4.1考虑一个取值为0或1的随机变量X ,满足(0,1)分布,记p =P (x =1)。根据熵的定义,有: H (X )=-p logp -(1-p )log(1-p ) 图4.1 (0,1)分布下随机变量的熵(p =P (X =1