目录
- 1. 什么是KL散度?
-
- 2. KL散度的数学公式
-
- 3. KL散度的计算示例
-
- 4. KL散度的核心性质
-
- 5. KL散度与相关性的关系
- 1. KL散度 ≠ 相关性
- 2. 间接关联的可能
- 3. 实际案例
- 6. KL散度的应用场景
- 1. 机器学习
- 2. 数据压缩
- 3. 信息检索
- 4. 强化学习
- 7. 总结
-
1. 什么是KL散度?
KL散度(Kullback-Leibler Divergence),又称相对熵(Relative Entropy),是信息论中用于衡量两个概率分布之间差异的核心工具。它描述了用分布 Q Q Q来近似分布 P