Qualitativamente, o que é entropia cruzada

Esta questão fornece uma definição quantitativa de entropia cruzada, em termos de sua fórmula.

Estou procurando uma definição mais fictícia, diz a wikipedia:

Na teoria da informação, a entropia cruzada entre duas distribuições de probabilidade mede o número médio de bits necessários para identificar um evento a partir de um conjunto de possibilidades, se um esquema de codificação for usado com base em uma determinada distribuição de probabilidade q, em vez da distribuição "verdadeira" p .

Enfatizei a parte que está me dando problemas para entender isso. Gostaria de uma boa definição que não exija entendimento separado (pré-existente) da Entropia.

entropy information-theory

— Lyndon White
fonte

Você está solicitando uma definição de entropia cruzada que, ao mesmo tempo, defina a própria entropia . E intuitivamente, então ... Se você tiver problemas para entender o próprio conceito de Entropia, seria uma boa ideia primeiro entender o conceito básico e depois qualquer uma de suas extensões.

— Alecos Papadopoulos

Pessoalmente, eu tinha um entendimento básico de Entropy (embora já tenham passado quase 12 meses desde que eu o apliquei). Mas uma expressão quantitativa de entropia deve caber em um parágrafo curto e a entropia cruzada deve levar apenas mais um. Acho que uma boa resposta pode incluir as duas, para que o leitor não precise se referir a outro lugar para entendê-la.

— Lyndon White

Veja os posts relacionados: stats.stackexchange.com/questions/66186/... e stats.stackexchange.com/questions/188903/...

— b Kjetil Halvorsen

Para codificar um evento que ocorre com probabilidade você precisa de pelo menos bits (por quê? Veja minha resposta em "Qual é o papel do logaritmo na entropia de Shannon?" ). $p$ $\log_2(1/p)$

Assim, em óptima que codifica para o comprimento médio da mensagem codificada é isto é,entropiadeShannonda distribuição de probabilidade original.

\sum_{Eu} p_{Eu} {registro}_{2} (\frac{1}{p_{Eu}}),

$\sum_i p_i \log_2(\tfrac{1}{p_i}),$

$P$ $Q$

\sum_{Eu} p_{Eu} code_length (Eu) = \sum_{Eu} p_{Eu} {registro}_{2} (\frac{1}{q_{Eu}}),

$\sum_i p_i \text{code_length($i$)} = \sum_i p_i \log_2(\tfrac{1}{q_i}),$

\sum_{i} p_{i} \log_{2} (\frac{1}{p_{i}})

$\sum_i p_i \log_2(\tfrac{1}{p_i})$

$P=(\tfrac{1}{2}, \tfrac{1}{2}, 0, 0)$

Então, se queremos codificá-lo de maneira ideal, codificamos A como 0 e B como 1, para obter um bit de mensagem codificada por uma letra. (E é exatamente a entropia de Shannon da nossa distribuição de probabilidade.)

$P$ $Q=(\tfrac{1}{4},\tfrac{1}{4},\tfrac{1}{4},\tfrac{1}{4})$ , obtemos dois bits por letra (por exemplo, codificamos A como 00, B como 01, C como 10 e D como 11).

— Piotr Migdal
fonte

Boa explicação, obrigado. No entanto, a definição da Wikipedia é sum_i [p_i * log (q_i)]. Seu uso de 1 / q_i fornece o número de estados possíveis; portanto, o log_2 converte isso no número de bits necessário para codificar um único símbolo, mas a página da Wikipédia está descrevendo algo sutilmente diferente.

— redcalx

@locster Na Wikipedia, possui o sinal de menos antes da soma, o que equivale a ter

1 / q_{i}

$1/q_i$ , Como

\log (1 / q_{i}) = - \log (q_{i})

$\log(1/q_i)=-\log(q_i)$ .

— Piotr Migdal