信息论随笔（三）交互信息量 - 码农知识堂

信息论随笔（三）交互信息量

之前讨论了一个事件的自信息量，但是实际情况下往往有多个事件发生，而且这些事件之间相互是有联系的。比如知道一个人踢足球，那么这个人很有可能会看世界杯。也就是说，我们可以通过一个事件获得另外一个事件的信息，或者说，消除另外一个事件的不确定性。（信息量是用来衡量不确定性的。）那么，如何在数学上表示这种情况呢？

考虑事件A和事件B，它们发生的概率分别是P(a)和P(b)。如何计算事件A可以从事件B中获得多少信息量？

事件B发生前，事件A的信息量（不确定性）： $log(\frac 1 {P(a)})$

事件B发生后，事件A的概率是在事件B发生条件下的概率：，事件A的信息量（不确定性）为 $log(\frac 1 {P(a|b)})$

那么事件A从事件B中获得的信息量即。事件A的不确定性被事件B消除了一部分，所以信息量减少了。

$I(A;B)=log(\frac 1 {P(a)}) - log(\frac 1 {P(a|b)})=log(\frac {P(a|b)} {P(a)})$

由于 $P(a|b) = \frac {P(ab)}{P(b)}$ ，代入上式可得 $I(A;B)=log(\frac {P(ab)} {P(a)P(b)})=log(\frac {P(b|a)}{P(b)})$ ，该式子等于事件B从事件A中获得的信息量。

上式表明了事件A从事件B中获得的信息量与事件B从事件A中获得的信息量是相同的，交互信息量是对称的。

对上个式子进行变形，还可以得到 $I(A;B)=log(\frac {P(ab)} {P(a)P(b)})=log(\frac {1}{P(a)})+log(\frac {1}{P(b)})-log(\frac {1}{P(ab)})$

这个式子可以从系统的整体来看，系统的信息量的变化等于事件A的自信息量加上事件B的自信息量减去事件A和事件B同时发生的信息量。

所以交互信息量有3种算法：

其中H代表信息熵。（单个事件发生时信息熵就是这个事件的自信息量）
相关阅读:
电子宣传册制作攻略，打造完美视觉效果
 AI工程化—— 如何让AI在企业多快好省的落地？
Java 同步工具与组合类的线程安全性分析
 C Primer Plus(6) 中文版第8章字符输入/输出和输入验证 8.1 单字符I/O：getchar()和putchar()
m基于OFDM数字电视地面广播系统中频域同步技术研究(word版说明文档,程序操作视频)
概率统计的重要概念解释
 linux( CentOs)对mysql基本操作和密码修改
 微课录制系统的作用体现
 多线程与高并发——并发编程（7）
基于CycleGAN的山水风格画迁移
原文地址：https://blog.csdn.net/Milanien/article/details/127934671