আমি এটি দেখতে যাব, যদিও এটি আমার মাথা থেকে কিছুটা উপরে, সুতরাং লবণ ছিটিয়ে দিয়ে ট্রিট করুন ...
আপনি ঠিক ভুল না। আমি মনে করি যে যেখানে আপনার চিন্তার পরীক্ষাটি নীচে নেমে আসে তা হল ডিফারেনশিয়াল এনট্রপি এন্ট্রপির সীমিত ক্ষেত্রে নয়। আমি অনুমান করছি যে এর কারণে, এটির সাথে কোলমোগোরভ জটিলতার মধ্যে সমান্তরালগুলি নষ্ট হয়ে গেছে।
ধরা যাক আমাদের একটি পৃথক র্যান্ডম ভেরিয়েবল । আমরা এর সমস্ত সম্ভাব্য মান x i ,
H ( X ) = - ∑ i P ( X = x i ) লগ ( পি ( এক্স = এক্স i ) ) এর যোগফলের সাহায্যে এর শ্যানন এনট্রপি গণনা করতে পারি ।এক্সএক্সআমি
এইচ( এক্স) = - ∑আমিপি( এক্স= এক্সআমি) লগ( পি( এক্স= এক্সআমি) ) ।
এতক্ষণে বিরক্তিকর। এখন ধরা যাক একটি অবিচ্ছিন্ন র্যান্ডম ভেরিয়েবলের একটি পরিমাণযুক্ত সংস্করণ - বলুন, আমাদের ঘনত্ব ফাংশন পি ( ) রয়েছে যা আসল সংখ্যার সেট থেকে নমুনা উত্পন্ন করে এবং আমরা এটিকে হিস্টোগ্রামে পরিণত করি। আমাদের কাছে যথেষ্ট পরিমাণে হিস্টোগ্রাম থাকবে যে ঘনত্বের কার্যটি মূলত রৈখিক। যে ক্ষেত্রে আমরা ভালো একটি এনট্রপি কিছু আছে যাচ্ছি,
এইচ ( এক্স ) ≈ - Σ আমি পি ( এক্স = এক্স আমি ) δ এক্স লগ ( পি ( এক্স = এক্স আমি ) δ এক্সএক্সপি ( )
যেখানেhistxহিস্টোগ্রামের বিনগুলির প্রস্থ এবংxiপ্রত্যেকটির মধ্যবিন্দু। আমরা যে লগারিদম ভিতরে একটি পণ্য আছে - আসুন যে আলাদা এবং সমষ্টি বাহিরে এটিকে সরান 1 summing সম্ভাব্যতা ডিস্ট্রিবিউশন সম্পত্তির ব্যবহার, আমাদের দান
এইচ(এক্স)≈-লগ ( δএক্স ) - Σ আমি পি(এক্স=এক্সi)δxলগ ( পি(এক্স=এক্সi) ) ।
এইচ( এক্স) ≈ - ∑আমিপি ( এক্স= এক্সআমি) δএক্স লগ( পি(এক্স= এক্সআমি) δএক্স ) ,
δএক্সএক্সআমিএইচ( এক্স) ≈ - লগ( δ)x ) - ∑আমিপি ( এক্স= এক্সআমি) δএক্স লগ( পি(এক্স= এক্সআমি) ) ।
যদি আমরা সীমাটি গ্রহণ করি, একটি ইন্টিগ্রেশনে রূপান্তরিত করা হয়, তবে আমাদের সঠিক হয়ে যায় এবং আমরা নিম্নলিখিতটি পাই,
এইচ ( এক্স ) = - লগ ( ডি এক্স ) - ∫ এক্স পি ( এক্স = এক্স ) লগ ( পি ( এক্স = এক্স ) ) ডি এক্স ।δx → dএক্স
এইচ( এক্স) = - লগ( d)x ) - ∫এক্সপি ( এক্স= এক্স ) লগ( পি(এক্স= x ) ) dএক্স ।
ডানদিকে শব্দটি ডিফারেন্সিয়াল এনট্রপি। তবে সেই ভয়াবহ শব্দটি। আমাদের সমস্ত উত্তর NaN হওয়া এড়াতে আমাদের এটিকে এড়িয়ে যেতে হবে। আমি ভীত এটির অর্থ এই যে ডিফারেনশিয়াল এন্ট্রপি শ্যানন এনট্রপির সীমিত ক্ষেত্রে নয়।লগ( d)এক্স )
সুতরাং, আমরা কিছু সম্পত্তি হারাতে হবে। হ্যাঁ, আপনার ডেটা পুনরুদ্ধার করা ডিফারেনশিয়াল এনট্রপিকে পরিবর্তন করে - ডিফারেনশিয়াল এন্ট্রপি পিডিএফকে কীভাবে 'প্যাকেজড' করা হয় তার একটি পরিমাপ। আপনি যদি এটি পুনরুদ্ধার করেন তবে এই পরিবর্তন হয়। আরেকটি মজাদার সম্পত্তি হ'ল এটি নেতিবাচক হতে পারে, শ্যানন এনট্রপির মতো নয় - সত্যই ছোট্ট করে দেখুন এবং দেখুন কী হয়। কলমোগোরভ জটিলতার লিঙ্কটি হারাতে আমার মনে হয় এটি কেবল অন্য একটি দুর্ঘটনা।σ
ভাগ্যক্রমে আমরা পুরোপুরি হারিয়েছি না। কুলব্যাক – লেবেলর ডাইভারজেন্স এবং এক্সটেনশন মিউচুয়াল তথ্যগুলি সমস্ত বাতিল হওয়া হিসাবে মোটামুটিভাবে ভাল আচরণ করে। উদাহরণস্বরূপ, আপনি গণনা করতে পারেন
যেখানে কিছু রেফারেন্স বিতরণ - বলুন, অভিন্ন। এই সবসময় ইতিবাচক, এবং যখন আপনি পরিবর্তনশীল rescale এটি উভয় পরিবর্তন এবং , তাই ফলাফল অনেক কম গুরুতর।∫ x পি ( এক্স = এক্স ) লগ ( পি ( এক্স = এক্স )δকিউ(এক্স)এক্সপি(এক্স)কিউ(এক্স)
∫এক্সপি ( এক্স= এক্স ) লগ( পি ( এক্স= এক্স )কুই( এক্স= এক্স )) ঘএক্স
কুই( এক্স)এক্সp(X)q(X)