Kullback-Leibler-Divergenz
Die Begriffe Kullback-Leibler-Divergenz (kurz KL-Divergenz), Kullback-Leibler-Abstand und relative Entropie bezeichnen ein Maß für die Unterschiedlichkeit zweier Wahrscheinlichkeitsverteilungen. Typischerweise repräsentiert dabei eine der Verteilungen empirische Beobachtungen oder eine präzise Wahrscheinlichkeitsverteilung, während die andere ein Modell oder eine Approximation darstellt.
Weitere geläufige Bezeichnungen für die KL-Divergenz sind auch Kullback-Leibler-Entropie oder Kullback-Leibler-Information, nach Solomon Kullback und Richard Leibler; englisch Information Gain.
Ein Spezialfall der KL-Divergenz ist die Transinformation.
Definition
BearbeitenDie KL-Divergenz wird häufig mit einem (für "Divergenz") oder mit einem bzw. notiert. Letzteres kommt daher, dass die Entropie mit einem Eta notiert wird.
Diskreter Fall
BearbeitenFür zwei diskrete Wahrscheinlichkeitsverteilungen und mit Wahrscheinlichkeitsfunktionen und auf einer Menge ist die KL-Divergenz als
definiert.
Stetiger Fall
BearbeitenFür zwei stetige Wahrscheinlichkeitsverteilungen und mit Dichten und ist die KL-Divergenz als
definiert.
Allgemeiner Fall
BearbeitenGegeben ist ein messbarer Raum mit zwei Wahrscheinlichkeitsmaßen und , weiter sei absolut stetig bezüglich . Dann ist die Kullback-Leibler-Divergenz
- ,
wobei die Radon-Nikodým-Ableitung von bezüglich ist.
Erläuterungen
BearbeitenDie Kullback-Leibler-Divergenz gibt aus informationstheoretischer Sicht an, wie viel Platz pro Zeichen im Mittel verschwendet wird, wenn eine auf basierende Kodierung auf eine Informationsquelle angewendet wird, die der tatsächlichen Verteilung folgt. Somit besteht ein Zusammenhang zur Kanalkapazität. Mathematisch ist dies verträglich mit der Aussage, dass die KL-Divergenz ist und Gleichheit nur dann gilt, wenn P und Q identisch sind.
Die konkrete Wahl der Basis des Logarithmus in der Berechnung hängt dabei davon ab, in welcher Informationseinheit gerechnet werden soll. In der Praxis gibt man die KL-Divergenz häufig in Bit bzw. Shannon an und verwendet dafür die Basis 2, seltener werden auch Nit (Basis ) und Ban (Basis 10) gebraucht.
Anstatt der Kullback-Leibler-Divergenz wird auch oft die Kreuzentropie verwendet. Diese liefert qualitativ vergleichbare Werte, kann jedoch ohne die genaue Kenntnis von geschätzt werden. In praktischen Anwendungen ist dies vorteilhaft, da die tatsächliche Hintergrundverteilung der Beobachtungsdaten meist unbekannt ist.
Die Minimierung der Kullback-Leibler-Divergenz ist äquivalent zur Maximierung der Evidence lower bound.
Abgrenzung Distanz
BearbeitenObwohl die Kullback-Leibler-Divergenz teilweise auch als Kullback-Leibler-Distanz bezeichnet wird, erfüllt sie eine fundamentale Anforderung an Distanzmaße nicht: Sie ist nicht symmetrisch, es gilt also im Allgemeinen . Um Symmetrie herzustellen, kann alternativ die Summe der beiden Divergenzen verwendet werden, die offensichtlich symmetrisch ist:
Multivariate Normalverteilungen
BearbeitenFür zwei mehrdimensionale Normalverteilungen (mit Dimension ), mit Mittelwerten und (nicht-singulären) Kovarianzmatrizen ist die Kullback-Leibler-Divergenz gegeben durch:[1]
Belege
Bearbeiten- S. Kullback, R. A. Leibler: On information and sufficiency. In: Annals of Mathematical Statistics. Band 22, Nr. 1, März 1951, S. 79–86.
- S. Kullback: Information theory and statistics. Hrsg.: John Wiley & Sons. 1959.
Einzelnachweise
Bearbeiten- ↑ J. Duchi: Derivations for Linear Algebra and Optimization. S. 13.