数据处理中使用的各种熵

信息论起源于解决通信问题，标志性论著是香农的《通信的数学原理》。随着信息技术的发展，信息论思想不断用于机器学习和数据处理领域，解决数据分析问题。
熵是信息论中最重要和基础的概念，是概率分布的泛函，表示随机变量不确定性的大小，即假设某随机变量的概率密度为 p(x) ，则信息熵表示为 H(p) 。信息技术中经常使用的熵有下列几种：
1.自信息
自信息表示随机变量 X 某个取值 xi 的不确定性大小，与概率 p(xi) 有紧密的联系： p(xi) 越大， xi 的不确定性越小，反之， xi 的不确定性越小。故 xi 的自信息 I(xi) 定义为：
I(xi)=log1p(xi)=?logp(xi) 。自信息只能衡量单个取值的不确定性大小。
2.信息熵
信息熵 H(p) 定义为随机变量的平均自信息，即平均不确定性，反应整个分布的不确定性大小。
H(X)=?∫p(x)logp(x)dx
3. 条件熵
因为 H(Y|xi)=?∫p(y|xi)logp(y|xi)dy ，所以条件熵 H(Y|X) 定义为：
H(Y|X)=?∫∫p(x)p(y|x)logp(y|x)dydx=?∫∫p(x,y)logp(y|x)dydx
4. 互信息
随机变量 X 取值 ai 和 Y 的取值 bj 的互信息 I(ai,bj) 表示 X=bj 条件加入前后不确定性的减少，即加入条件 X=bj 后获得的信息量。定义为：
I(ai;bj)=log1p(ai)?log1p(ai|bj)=logp(ai|bj)p(ai)
5.平均互信息
平均互信息 I(X;Y) 反应两个随机变量 X 和 Y 的整体互信息，定义为：
I(X;Y)=∑X,Yp(xy)I(x;y))=∑X,Yp(xy)logp(x|y)p(x)=∑X,YP(xy)log1p(x)?∑X,Yp(xy)log1p(x|y)=∑Xp(x)log1p(x)∑Yp(y|x)?∑X,Yp(xy)log1p(x|y)=∑Xp(x)log1p(x)?∑X,Yp(xy)log1p(x|y)=H(X)?H(X|Y)
6.交叉熵
H(p;q)=- ∫p(x)logq(x)dx
7.相对熵
相对熵 D(p||q) 又称Kullback-Leibler divergence，即 KL 离差，表示两个随机变量分布相差多少
D（p||q） =- ∫p(x)logq(x)dx?(?∫p(x)logp(x)dx) =H(p)+H(p;q)=- ∫p(x)logq(x)p(x)dx
相对熵比交叉熵大 H(p)