熵是隨機變量不確定性的度量，不確定性越大，熵值越大，若隨機變量退化成定值，熵為0，均勻分布是最不確定的分布。熵其實定義了一個函數(概率分布函數)到一個值(信息熵)的映射。

熵的定義公式如下：

在經典熵的定義中，底數是2，此時熵的單位是bit，若底數是e，則熵的單位是nat(奈特)

兩個隨機變量X, Y的聯(lián)合分布，可以形成聯(lián)合熵Joint Entropy，用H(X,Y)表示，那么我們不禁要問：H(X,Y) - H(Y)代表什么呢？

事實上，(X,Y)發(fā)生所包含的熵，減去Y單獨發(fā)生包含的熵，在Y發(fā)生的前提下，X發(fā)生的新帶來的熵。于是有了條件熵：H(X|Y)的定義

下面是條件熵的推導公式：

相對熵，又稱為互熵，交叉熵，鑒別信息，KL散度，假設p(x), q(x)是X中取值的兩個概率分布，則p對q的相對熵是：

對于相對熵，可以度量兩個隨機變量的距離，一般的p對q的相對熵和q對p的相對熵不相等。

對于已知的隨機變量p，要使得相對簡單的隨機變量q，盡量接近p，那么我們可以采用相對熵進行求解：

假定使用KL(Q||P)，為了讓距離最小，則要求在P為0的地方，Q盡量為0。會得到比較“窄”的分布曲線；

假定使用KL(P||Q)，為了讓距離最小，則要求在P不為0的地方，Q也盡量不為0。會得到比較“寬”的分布曲線；

互信息

兩個隨機變量X，Y的互信息，定義為X，Y的聯(lián)合分布和獨立分布乘積的相對熵。

對于互信息，我們可以有如下的推導公式：