待验证50% 置信事实精确时间
随机变量的香农熵定义为 H(X) = -∑ p(x) log p(x)，衡量随机变量的平均不确定性
1
来源数
50%
置信度
长期有效
时效性
2026/8/6
首次发现
来源
相关事实
部分验证信息论中熵H(p)衡量概率分布p的不确定性，等价于对来自该分布的信息进行最优编码所需的平均比特数78% 相似待验证二分类交叉熵损失公式为 -[y·log(p) + (1-y)·log(1-p)]，其中y是真实标签，p是模型预测的正类概率68% 相似待验证熵能够完整捕捉概率分布的所有阶矩信息，而方差只能捕捉线性、二阶的统计关系；互信息能度量包括非线性在内的总依赖关系，比Pearson相关系数更通用67% 相似待验证频率派将参数视为固定但未知的常数并通过最大化似然函数求点估计，贝叶斯派则将参数视为随机变量并通过后验分布输出预测不确定性67% 相似待验证困惑度概念源自信息论中的熵（Shannon Entropy），本质上是语言模型每步预测的平均分支因子66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/697614API
curl https://kongchang.com/api/v1/knowledge/claims/697614MCP
get_claim(id=697614)