成为VIP会员查看完整内容
VIP会员码认证
首页
主题
发现
会员
服务
注册
·
登录
信息增益
关注
0
信息增益(Kullback–Leibler divergence)又叫做information divergence,relative entropy 或者KLIC。 在概率论和信息论中,信息增益是非对称的,用以度量两种概率分布P和Q的差异。信息增益描述了当使用Q进行编码时,再使用P进行编码的差异。通常P代表样本或观察值的分布,也有可能是精确计算的理论分布。Q代表一种理论,模型,描述或者对P的近似。
综合
百科
VIP
热门
动态
论文
精华
ICLR 2022 | 图与主动学习:软标签情况下如何设计图上主动学习策略?
PaperWeekly
3+阅读 · 2022年5月22日
WWW2022 | 迷途知返:分布迁移下的图神经网络自训练方法
专知
0+阅读 · 2022年2月19日
认真的聊一聊决策树和随机森林
AINLP
1+阅读 · 2021年2月5日
决策树是如何选择特征和分裂点?
PaperWeekly
0+阅读 · 2021年1月7日
看一看实时相关推荐,满足你对同主题文章的“意犹未尽”
微信AI
0+阅读 · 2020年11月26日
【NeurIPS2020】通过最大编码率降低原理学习多样和有判别性的表示
专知
4+阅读 · 2020年10月1日
最全!两万字带你完整掌握八大决策树!
AI科技评论
0+阅读 · 2020年7月4日
面试必刷|ID3、C4.5、CART、RF、boosting、Adaboost、GBDT、xgboost模型
极市平台
1+阅读 · 2020年6月27日
【面经】字节跳动 算法面试复盘
深度学习自然语言处理
1+阅读 · 2020年5月13日
字节跳动 | 算法面试复盘
AINLP
1+阅读 · 2020年5月13日
【机器学习】决策树
AINLP
2+阅读 · 2020年4月3日
决策树算法
DataFunTalk
3+阅读 · 2019年12月5日
决策树算法十问及经典面试问题
计算机视觉life
0+阅读 · 2019年11月29日
核心的决策树算法详解:ID3、C4.5、CART
计算机视觉life
1+阅读 · 2019年11月26日
最常见核心的决策树算法—ID3、C4.5、CART(非常详细)
THU数据派
1+阅读 · 2019年11月17日
参考链接
父主题
概率论
提示
微信扫码
咨询专知VIP会员与技术项目合作
(加微信请备注: "专知")
微信扫码咨询专知VIP会员
Top