转自：http://www.52ml.net/146.html
很长一段时间，都对熵、信息增益懵懵懂懂，一知半解。最近，正巧碰到研究决策树算法，于是乎，恶补了这方面的知识。
1.什么是熵（Entropy）
在 信息论 里面，熵是对不确定性的测量，熵越高，则能传输越多的信息，熵越低，则意味着传输的信息越少。熵度衡量了系统的不确定性，当我们缺乏对某个系统的知识，其不确定性也随着增加。例如抛硬币，在理想情况下他们无法预测出现的是正面还是反面，此时熵达到最大。但是对于“明天太阳从东方升起”，我们完全可以依靠目前的知识，预测该事件肯定会发生，信息熵最小。
熵的定义为信息的期望值。某个事件用随机变量X表示，其可以的取值{x 1 , x 2 , …x n }，则该事件的信息熵定义为：
其中I(X)，表示随机变量的信息，I(X)一般定义为：
那么，熵的定义为：
下图给出了二分类问题熵函数：
从单变量的信息熵，我们还可以简单推导出两个随机变量X和Y联合信息熵：
相应的，条件熵定义为：
2.什么是信息增益（Information Gain）
在介绍完基本概率，下面将介绍信息增益。信息增益，是一种衡量样本特征重要性的方法，直观的理解 是有无样本特征对分类问题的影响的大小。假设某个状态下系统的信息熵为H(Y)，再引入某个特征X后的信息熵为H(Y|X)，则特征X的信息增益定义为：
3.其他
在前面的介绍中提到，信息增益（IG）可用于衡量样本特征的重要性的方法，在机器学习领域有着重要的应用。例如在构建决策树时，利用信息增益，选择重要的特征分裂数据集；在文本特征选择方法中，利用IG方法进行特征选择。理解熵的概念、信息增益的概念可以帮助我们增加对这些算法的理解。
在文本选择一文中，我们展开了某个特征的信息增益表达公式：
其中等号右边第一行，表示H(Y)信息熵，而等号右边第二行表示H(Y|X=t i )信息熵（利用条件熵表达式右边等号第二行展开）。
原文：http://www.cnblogs.com/lck14/p/4964983.html