知识卡片
条件熵是条件不确定性的平均
H(X|Y)还需对Y的分布加权,不同于固定某个y时的H(X|Y=y)。获知Y平均不会增加离散X的不确定性,但某个罕见条件结果下的不确定性可能更高;平均结论不能套到每个条件取值。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
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
4.2.4 信息熵的NLP的意义 对于任何语言系统的抽象模型都是一个信息系统,引入信息熵的本质意义在于从信息论的角度来考察一个语言系统,并且对其行为(编码和解码)提供了统一的测度。这个测度的各个方面都可以通过表4.4来说明。 表4.4 信息
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:摘录中关于条件熵是条件不确定性的平均的定义、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:4.2.4 信息熵的NLP的意义 对于任何语言系统的抽象模型都是一个信息系统,引入信息熵的本质意义在于从信息论的角度来考察一个语言系统,并且对其行为(编码和解码)提供了统一的测度。这个测度的各个方面都可以通过表4.4来说明。 表4.4 信息