信息、信息熵、条件熵、信息增益、信息增益比、基尼系数、相对熵、交叉熵

参考：
http://www.cnblogs.com/fantasy01/p/4581803.html?utm_source=tuicool http://blog.csdn.net/xbmatrix/article/details/58248347 https://www.zhihu.com/question/41252833/answer/141598211

1、信息

引用香农的话，信息是用来消除随机不确定性的东西，则某个类（xi）的信息定义如下:

    　　　　　　　　　　　　　　　　　　　　　　

2、信息熵

信息熵便是信息的期望值，可以记作：

　　　　　　　　　　　　　　　　　　　　　　　　　　


熵只依赖X的分布，和X的取值没有关系，熵是用来度量不确定性，当熵越大，概率说X=xi的不确定性越大，反之越小，在机器学期中分类中说，熵越大即这个类别的不确定性更大，反之越小，当随机变量的取值为两个时，熵随概率的变化曲线如下图：

　　　　　　　　　　　　　　　　　　　　


当p=0或p=1时，H(p)=0,随机变量完全没有不确定性，当p=0.5时，H(p)=1,此时随机变量的不确定性最大

更特别一点，如果是个二分类系统，那么此系统的熵为： 

H(X)=-(P(c0)log2p(c0)+p(c1)log2p(c1))

3. 条件熵

X给定条件下Y的条件分布的熵对X的数学期望，在机器学习中为选定某个特征后的熵，公式如下：

　　　　　　　　　　　　　　　　


一个特征对应着多个类别Y，因此在此的多个分类即为X的取值x。

4. 信息增益

信息增益在决策树算法中是用来选择特征的指标，信息增益越大，则这个特征的选择性越好，在概率中定义为：待分类的集合的熵和选定某个特征的条件熵之差（这里只的是经验熵或经验条件熵，由于真正的熵并不知道，是根据样本计算出来的），公式如下：

　　　　　　　　　　　　　　　　

5. 信息增益比

信息增益的一个大问题就是偏向选择特征值比较多的属性从而导致overfitting，那么我们能想到的解决办法自然就是对分支过多的情况进行惩罚(penalty)了。于是我们有了信息增益比：

特征X的熵： 

H(X)=−∑i=1npilogpi

特征X的信息增益
： 

IG(X)=H(c)−H(c|X)

那么信息增益比为： 

gr=H(c)−H(c|X)H(X)

6. Gini系数

Gini系数是一种与信息熵类似的做特征选择的方式，可以用来数据的不纯度。在CART(Classification and Regression Tree)算法中利用基尼指数构造二叉决策树（选择基尼系数最小的特征及其对应的特征值）。 

Gini系数的计算方式如下： 

Gini(D)=1−∑i=1np2i

其中，D表示数据集全体样本，pi表示每种类别出现的概率。取个极端情况，如果数据集中所有的样本都为同一类，那么有p0=1，Gini(D)=0，显然此时数据的不纯度最低。 

7.
交叉熵、相对熵