库尔巴克·莱布勒------KL散度

• • 散度
  • 信息的编码
  • "编码"分布
  • 编码分布
  • KL散度

这里的散度是用来描述分布之间的距离，并非高数中的散度对应的物理意义。

一串数字可以通过二进制编码或者十进制编码，最终以有限的位数进行表示，同样的小数也可以进行这一表示，于是这一编码的具体形式体现在其表示的位数上，显然这是一个对数表示，比如1000以内的数需要三位十进制 l o g 10 1000 = 3 log_{10}1000=3 log10​1000=3，1024内的数字可以通过10位二进制表示， l o g 2 1024 = 10 log_{2}1024=10 log2​1024=10。

对应到小数中，可以类比为：一个小数float，其对应的进制位数为 l o g ( f l o a t ) log(float) log(float)

显然一个分布式由多个小数表示的，每一个概率 p ( x ) p(x) p(x)都是一个小数。于是表示一个分布所需要的位数为： ∑ p ( x ) ( l o g ( p ( x ) ) ) sum p(x) (log(p(x))) ∑p(x)(log(p(x)))，描述为小数出现的概率乘以其所需的编码。

显然这玩意是叫信息熵。小数的对数为负值，所以常常为 − ∑ p ( x ) ( l o g ( p ( x ) ) ) -sum p(x) (log(p(x))) −∑p(x)(log(p(x)))

上面是用编码来表示分布，现在是用编码后的分布去表示另一个分布。
显然这两个分布有相同的定义域，但是显然这两个分布不可能完全一致，于是对应在概率上的编码长度就会产生偏差，最简单的方式通过差值描述偏差 l o g ( p ( x ) ) − l o g ( q ( x ) ) log(p(x))-log(q(x)) log(p(x))−log(q(x))。

由于是使用 p p p去描述 q q q，于是最终差值的累加是以 p p p的概率为基准 − ∑ p ( x ) ( l o g ( p ( x ) ) − l o g ( q ( x ) ) ) -sum p(x) (log(p(x))-log(q(x))) −∑p(x)(log(p(x))−log(q(x)))。

显然这不仅描述了编码上的差距，这也描述了分布之间的差距。

两个分布之间的KL散度有如下形式：

∑ p ( x ) ( l o g ( p ( x ) ) − l o g ( q ( x ) ) ) sum p(x) (log(p(x))-log(q(x))) ∑p(x)(log(p(x))−log(q(x)))

上面是离散的形式，连续概率则将求和变为积分：

∫ p ( x ) ( l o g ( p ( x ) ) − l o g ( q ( x ) ) ) int p(x) (log(p(x))-log(q(x))) ∫p(x)(log(p(x))−log(q(x)))