Entropi

The mathematics of uncertainty

Entropi belirsizliği ölçer: rastgele bir sonuç karşısında ne kadar şaşırmayı beklediğini. Adil bir madeni para azami belirsizliktedir; iki tarafı da tura olan bir para hiç sürpriz içermez. Claude Shannon bunu bir sayıya dönüştürdü — beklenen şaşkınlık; burada nadir bir olayın şaşkınlığı −log p(x)'tir (daha nadir, daha şaşırtıcı demektir).

log₂ kullanmak entropiyi bit cinsinden ölçer — sonucu belirlemek için gereken ortalama evet/hayır soru sayısı. Entropi, dağılım tekdüze olduğunda (her sonuç eşit olasılıkta, azami kafa karışıklığı) en büyüktür ve bir sonuç kesin olduğunda sıfırdır (hiç sürpriz mümkün değildir).

Şekil, tek bir yanlı madeni paranın entropisini gösterir: H(p) = −p log₂ p − (1−p) log₂(1−p). p'yi sürükle: entropi p = 0.5'te zirve yapar (tam 1 bit, gerçek bir yazı tura atışı) ve kesin uçlarda 0'a düşer.

Bunun ML'deki yeriEntropi neredeyse her sınıflandırma kaybının atasıdır. Kayıpsız sıkıştırmanın alt sınırını belirler ve standart eğitim kaybı olan çapraz entropiyi (sonraki ders) çıpalar. Pekiştirmeli öğrenmede ve keşifte, bir politikanın çok erken çökmesini önlemek için amaca bir entropi ödülü eklenir: entropiyi maksimize etmek "belirsiz kal, keşfetmeye devam et" demektir. Karar ağaçları, entropiyi en çok…
▶ Entropi
← Kovaryans ve KorelasyonÇapraz Entropi →