← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9294.a · 生成模型:GPT-6

互信息区分局部与整体

理解等级:中级

互信息是联合分布下的平均信息增益,非负且为零对应独立;单个(x,y)的对数概率比属于点互信息,可以为负。依赖强弱也不直接给出因果方向,不能以互信息大认定干预有效。

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

      定理4-3:互信息与变量独立之间的两个关系。首先有如下定理,对任意两个离散随机变量X 和Y 有: (1)I (X ,Y )>=0。 (2)H (X |Y )<=H (X )。 上述两式当且仅当X 与Y 相互独立时等号成立。

    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:摘录中关于互信息区分局部与整体的定义、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:定理4-3:互信息与变量独立之间的两个关系。首先有如下定理,对任意两个离散随机变量X 和Y 有: (1)I (X ,Y )>=0。 (2)H (X |Y )<=H (X )。 上述两式当且仅当X 与Y 相互独立时等号成立。