根据信息熵的性质和贝叶斯公式,有如下推论: H(Y|X)=H(X|Y)+H(Y)-H(X) 当X为data的时候,H(X|Y)是否有意义啊,怎样计算呢?因为信息熵不是表示随机变量的不确定性,这里X已经是确定的值了 返回小木虫查看更多
随机信号?
就这个问题而言,还是有意义的。 你写出的公式中,对于X,虽然只是一些数据,但是还是满足一定的离散分布的,也就是说X是一个离散变量。对于Y,应该也有一个相应的离散分布。 而且熵的定义就是关于分布的。 当你确定你做的东西是一个x_i的时候就没什么意义了,因为你有所有的数据,你知道y_i之后相应的x_{i}就知道了,不存在任何不确定性
随机信号?
就是当X不是随机变量时,而是X=Xi(Xi为观测到的数据),这个等式仍然成立么
,
就这个问题而言,还是有意义的。
你写出的公式中,对于X,虽然只是一些数据,但是还是满足一定的离散分布的,也就是说X是一个离散变量。对于Y,应该也有一个相应的离散分布。
而且熵的定义就是关于分布的。
当你确定你做的东西是一个x_i的时候就没什么意义了,因为你有所有的数据,你知道y_i之后相应的x_{i}就知道了,不存在任何不确定性