标签:Information ML 七七八八 分布 等高线 信息论 Softmax
ML与Information:机器学习与Information信息论之间那些七七八八、乱七八糟、剪不断理还乱的关系攻略
目录
ML与信息论
更新……
ML与熵
1、熵的基础知识
(1)、相对熵:两个KL散度的区别:
1)、绿色曲线是真实分布p的等高线;红色曲线是使用近似p(z1,z2)=p(z1)p(z2)得到的等高线。
2)、蓝色曲线是真实分布p的等高线;红色曲线是单模型近似分布q的等高线。
(2)各种熵之间的关系图
2、熵与分布的关系
(1)、两点分布的熵
(2)、三点分布的熵
3、最大熵模型与Logistic/Softmax回归
Logistic/Softmax回归的后验概率
最大熵模型的后验概率
相关文献推荐
《A Brief MaxEnt Tutorial》 Adam Berger
《A simple Introduction to Maximum Entropy Models for Natural Language Processing》Adwait Ratnaparkhi
《Learning to parse natural language with maximum entropy models》 Adwait Ratnaparkhi
《统计学习方法》李航,清华大学出版社,2012年
《Elements of Information Theory》 Cover & Thomas
《A maximum entropy approach to natural language processing 》Adam Berger
标签:Information,ML,七七八八,分布,等高线,信息论,Softmax 来源: https://blog.51cto.com/u_14217737/2907085
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。