知识卡片
交叉熵不是集合重叠面积
交叉熵H(P,Q)=−ΣP logQ,是按P加权的Q编码代价,可写成H(P)+KL(P‖Q)。即使P=Q,交叉熵通常仍是H(P)而非0。书中集合示意图只宜辅助记忆,不能按交集面积推导这些等式。
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
图4.4所示为交叉熵和KL 散度之间的关系。 图4.4 交叉熵和KL散度之间的关系 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
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:摘录中关于交叉熵不是集合重叠面积的定义、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:图4.4所示为交叉熵和KL 散度之间的关系。 图4.4 交叉熵和KL散度之间的关系 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