逐点互信息PMI（Pointwise mutual information）5发

标签：mat   uri   article   tail   pmi   span   font   image   blog   

逐点互信息(PIM)：用来衡量两个事物的相关性

定义如下：

在概率论中，我们知道，如果x跟y不相关，则 P(x,y) = P(x)P(y)。二者相关性越大，则 P(x,y) 就相比于 P(x)P(y) 越大。根据条件概率公式，你还可以写成

这也很好理解，在y出现的情况下x出现的条件概率 p(x|y) 除以x本身出现的概率 p(x) ，自然就表示x跟y的相关程度。
这里的log来自于信息论的理论，而且 log 1 = 0 ，也恰恰表明P(x,y) = P(x)P(y)，相关性为0，而且log是单调递增函数，所以 “P(x,y) 就相比于 P(x)P(y) 越大，x 和 y 相关性越大” 这一性质也得到保留

原文链接：https://blog.csdn.net/baimafujinji/article/details/6509820

逐点互信息PMI（Pointwise mutual information）5发

标签：mat   uri   article   tail   pmi   span   font   image   blog   

原文地址：https://www.cnblogs.com/hanxuexi/p/11619031.html