摘要： https://blog.csdn.net/leviopku/article/details/81388306 https://blog.csdn.net/nockinonheavensdoor/article/details/82055147 https://blog.csdn.net/c9Yv2 阅读全文

摘要： https://blog.csdn.net/weixinhum/article/details/85227476 阅读全文

摘要： https://blog.csdn.net/weixinhum/article/details/85065350 假设q(x)是用来拟合p(x)的概率分布，x属于p的样本空间，交叉熵用于衡量q在拟合p的过程中，用于消除不确定性而充分使用的信息量大小（理解为衡量q为了拟合p所付出的努力，另外注意交叉熵 阅读全文

摘要： https://blog.csdn.net/weixinhum/article/details/85064685 上一篇文章我们简单介绍了信息熵的概念，知道了信息熵可以表达数据的信息量大小，是信息处理一个非常重要的概念。 对于离散型随机变量，信息熵公式如下：H(p)=H(X)=Ex∼p(x)[−lo 阅读全文

摘要： https://blog.csdn.net/weixinhum/article/details/85059557 上一篇文章我们简单介绍了香农信息量的概念，由香农信息量我们可以知道对于一个已知概率的事件，我们需要多少的数据量能完整地把它表达清楚，不与外界产生歧义。但对于整个系统而言，其实我们更加关心 阅读全文

摘要： https://blog.csdn.net/weixinhum/article/details/85059320 香农信息量： 只考虑连续型随机变量的情况。设p为随机变量X的概率分布，即p(x)为随机变量X在X=x处的概率密度函数值，随机变量X在x处的香农信息量定义为： 其中对数以2为底，这时香农信 阅读全文

摘要： https://blog.csdn.net/guolindonggld/article/details/79736508 https://www.jianshu.com/p/43318a3dc715?from=timeline&isappinstalled=0 KL散度（Kullback-Leibl 阅读全文

摘要： NumPy 从已有的数组创建数组 本章节我们将学习如何从已有的数组创建数组。 numpy.asarray numpy.asarray 类似 numpy.array，但 numpy.asarray 只有三个，比 numpy.array 少两个。 参数说明： 实例 将列表转换为 ndarray: 实例 阅读全文

摘要： NumPy 创建数组 ndarray 数组除了可以使用底层 ndarray 构造器来创建外，也可以通过以下几种方式来创建。 numpy.empty numpy.empty 方法用来创建一个指定形状（shape）、数据类型（dtype）且未初始化的数组： numpy.empty(shape, dtyp 阅读全文

摘要： NumPy 数组属性 本章节我们将来了解 NumPy 数组的一些基本属性。 NumPy 数组的维数称为秩（rank），一维数组的秩为 1，二维数组的秩为 2，以此类推。 在 NumPy中，每一个线性的数组称为是一个轴（axis），也就是维度（dimensions）。比如说，二维数组相当于是两个一维数 阅读全文

摘要： NumPy 数据类型 numpy 支持的数据类型比 Python 内置的类型要多很多，基本上可以和 C 语言的数据类型对应上，其中部分类型对应为 Python 内置的类型。下表列举了常用 NumPy 基本类型。 numpy 的数值类型实际上是 dtype 对象的实例，并对应唯一的字符，包括 np.b 阅读全文