463
个编辑
更改
跳到导航
跳到搜索
第400行：
第400行： − 如果𝑋，𝑌是离散随机变量，那么所有熵项都是非负的，因此0≤𝑑（𝑋，𝑌）≤𝐻（𝑋，𝑌），可以定义一个标准化距离：+ 第413行：
第413行： − 度量𝐷是一种通用度量，即如果任何其他距离度量将𝑋和𝑌放在附近，则𝐷也将判断它们接近。+ 第438行：
第438行： − 在信息的集合论解释中（参见条件熵的图），这实际上就是𝑋和𝑌之间的Jaccard距离。+
→度量 Metric
If 𝑋,𝑌 are discrete random variables then all the entropy terms are non-negative, so 0≤𝑑(𝑋,𝑌)≤𝐻(𝑋,𝑌) and one can define a normalized distance
If 𝑋,𝑌 are discrete random variables then all the entropy terms are non-negative, so 0≤𝑑(𝑋,𝑌)≤𝐻(𝑋,𝑌) and one can define a normalized distance
如果<math>X, Y</math>是离散随机变量，那么所有熵项都是非负的，因此<math>0 \le d(X,Y) \le H(X,Y)</math>，可以定义一个标准化距离：
The metric 𝐷 is a universal metric, in that if any other distance measure places 𝑋 and 𝑌 close-by, then the 𝐷 will also judge them close.
The metric 𝐷 is a universal metric, in that if any other distance measure places 𝑋 and 𝑌 close-by, then the 𝐷 will also judge them close.
度量<math>D</math>是一种通用度量，即如果任何其他距离度量将<math>X</math>和<math>Y</math>认为是近的，则<math>D</math>也将判断它们接近。
In a set-theoretic interpretation of information (see the figure for Conditional entropy), this is effectively the Jaccard distance between 𝑋 and 𝑌.
In a set-theoretic interpretation of information (see the figure for Conditional entropy), this is effectively the Jaccard distance between 𝑋 and 𝑌.
在信息的集合论解释中（参见条件熵的图），这实际上就是<math>X</math>和<math>Y</math>之间的'''<font color="#ff8000">杰卡德距离 Jaccard distance</font>'''。