美文网首页
概率和熵的关系

概率和熵的关系

作者: ENEC | 来源:发表于2019-12-20 22:48 被阅读0次

ABCD四个选项,不知道正确选项时的熵:

\frac{1}{4} \log_2 \ 4 +\frac{1}{4} \log_2 \ 4+\frac{1}{4} \log_2 \ 4 +\frac{1}{4} \log_2 \ 4 = 2

知道C有一半正确可能性时的熵:

\frac{1}{6} \log_2 \ 6 +\frac{1}{6} \log_2 \ 6+\frac{1}{2} \log_2 \ 2 +\frac{1}{6} \log_2 \ 6 = 1.79

获得额外信息导致单个事件的概率发生变化,最终表现为整体事件的熵(不确定性)降低

三门问题:三道门的其中一道里有大奖,你选了A门,然后主持人打开B门后发现是空的,要不要改选C门?

原系统的熵:

\frac{1}{3} \log_2 3 +\frac{1}{3} \log_2 3+\frac{1}{3} \log_2 3=1.585

主持人不知道B门后是空的:

P(A|\bar {B} ) = \frac{1\times \frac{1}{3} }{1\times \frac{1}{3} +\frac{1}{2} \times \frac{2}{3}} =\frac{1}{2}

\frac{1}{2} \log_2 2 +\frac{1}{2} \log_2 2 =1

主持人知道B门后是空的:

P(A|\bar{B} ) = \frac{1\times \frac{1}{3} }{1\times \frac{1}{3} +1\times \frac{2}{3}} =\frac{1}{3}

\frac{1}{3}\log_2 3+\frac{2}{3}\log_2 1.5=  0.918

(贝叶斯公式:P(A|\bar{B} ) = \frac{P(B|\bar {A} )P(A) }{P(B|\bar{A} )P(A) +P(\bar{B}|\bar {A} )P(\bar{A} )}

主持人知道B门后是空的这个信息,导致了A、C门后有奖概率的变化,并降低了系统的熵

主持人不知道B门后是空的,相当于直接排除“B有”,信息量0.585(图1)

主持人知道B门后是空的,相当于在“A无”的基础上排除“B有”,信息量0.667(图2)

二者的区别在于,当主持人知道B门(或C门)后为空时,他就不可能打开一扇有东西的门,而在图1中,主持人打开的B门可能不是空的,所以在第二种情况中,系统为答题者提供了更多的信息

图1
图2

更具体来说,图1相当于答题者对系统说:帮我随便排除B、C中的一项,哪怕后面有东西我也认

而图2相当于答题者对系统说:帮我排除B、C中为空的一项

显然图2的信息量更大

相关文章

  • 概率和熵的关系

    ABCD四个选项,不知道正确选项时的熵: 知道C有一半正确可能性时的熵: 获得额外信息导致单个事件的概率发生变化,...

  • 机器学习之旅—决策树(2)

    信息熵公式的推导 学过概率后,如果两个事件 x 和 y 是独立,这个应该不难理解首先我们已经知道了信息熵和概率关系...

  • 网络安全与保密基本概念考试复习

    熵 香农利用概率分布的结论给出“熵”的定义,确定发生的事件和确定不发生的事件,熵都是0,只有当发生和不发生的概率相...

  • 文本挖掘第二周

    文本挖掘第二弹 本周目标 正式上车 一 组合关系发现和熵(单词关联挖掘) 1.1熵函数 一个词相随出现的概率定义:...

  • 香农熵

    香农熵,又称信息熵,熵,可以用来代表某数据集合的不一致性。熵的值越高,则代表数据集的不一致性越高。 熵与概率的关系...

  • Day 2080:学习

    #统计学习 最大熵模型:由最大熵原理推导而得 最大熵原理是概率模型学习的一个准则,它认为所有可能的概率模型中,熵最...

  • 软考-信息补充

    香农信息公式: 1、单调性。概率越大,信息熵越小,概率越小,信息熵越大 2、非负性。信息熵大于0 3、可加性。几个...

  • UD机器学习 - C5 深度学习

    1 神经网络 sigmod函数和softmax函数最大似然概率和交叉熵和多类别交叉熵Logistic回归和梯度下降...

  • 机器学习熵的整理

    1.近似熵:近似熵能够衡量时间序列中产生新模式的概率大小, 产生新模式的概率越大, 序列就越复杂。 由于近似熵的计...

  • 最大熵和概率分布

    概率论 我们需要描述一组数据时候,本质上需要描述每一个点。但是如果我们可以用分布去表示这些数据,就只需要均值或者方...

网友评论

      本文标题:概率和熵的关系

      本文链接:https://www.haomeiwen.com/subject/wmlwnctx.html