MCDMInformation-theoretic divergence

Divergence de Kullback-Leibler

La divergence de Kullback-Leibler, également appelée entropie relative ou divergence d'information, mesure la différence asymétrique entre deux distributions de probabilité. Introduite par Solomon Kullback et Richard Leibler en 1951, cette mesure d'information quantifie à quel point une distribution de probabilité diverge d'une distribution de référence, allant de 0 (distributions identiques) à l'infini. Elle est fondamentale en théorie de l'information, en apprentissage automatique et en prise de décision dans des cadres probabilistes.

Appliquer avec DecisionMindBientôtVidéoBientôtDownload slides

Lire la méthode complète

Réservé aux membres

Connectez-vous avec un compte gratuit pour lire cette section.

Se connecter

Method map

The neighbourhood of related methods — select a node to explore.

Sources

  1. Kullback, S., & Leibler, R. A. (1951). On information and sufficiency. Annals of Mathematical Statistics, 22(1), 79-86. DOI: 10.1214/aoms/1177729694
  2. Cover, T. M., & Thomas, J. A. (1991). Elements of Information Theory. Wiley-Interscience. DOI: 10.1002/0471200611

Comment citer cette page

ScholarGate. (2026, June 3). Kullback-Leibler Information Divergence. ScholarGate. https://scholargate.app/fr/decision-making/kullback-leibler-divergence

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

Référencée par

ScholarGateKullback-Leibler Divergence (Kullback-Leibler Information Divergence). Consulté le 2026-06-15 sur https://scholargate.app/fr/decision-making/kullback-leibler-divergence · Jeu de données : https://doi.org/10.5281/zenodo.20539026