在数学统计中,Kullback-Leibler散度(也称为相对熵)是衡量一个概率分布与第二个参考概率分布有何不同的一种度量。应用包括表征信息系统中的相对(香农)熵,连续时间序列中的随机性以及比较推论的统计模型时的信息增益。在简单的情况下,Kullback-Leibler散度为0表示所讨论的两个分布是相同的。 简而言之,它具有各种应用,例如应用统计,流体力学,神经科学和机器学习。
一篇文章讲清楚交叉熵和KL散度
PaperWeekly
1+阅读 · 2022年11月11日
5种数据同分布的检测方法!
THU数据派
2+阅读 · 2021年2月22日
损失函数理解汇总,结合 PyTorch1.7 和 TensorFlow2
深度学习自然语言处理
1+阅读 · 2020年11月26日
2021届校招算法岗知识点总结
AINLP
0+阅读 · 2020年11月23日
损失函数理解汇总,结合PyTorch1.7和TensorFlow2
极市平台
1+阅读 · 2020年11月11日
FastBERT-CPU推理加速10倍
AINLP
2+阅读 · 2020年10月19日
Normalizing Flows入门(中)
AINLP
0+阅读 · 2020年8月2日
互信息及其在图表示学习的应用
AINLP
3+阅读 · 2020年6月21日
互信息及其在图表示学习的应用
图与推荐
0+阅读 · 2020年6月20日
【数学基础】机器学习中的几个熵
深度学习自然语言处理
0+阅读 · 2020年2月19日
参考链接
微信扫码咨询专知VIP会员