मैं चयन करने की सुविधा के लिए पारस्परिक जानकारी के विचार को लागू करने की कोशिश कर रहा हूं, जैसा कि इन व्याख्यान नोट्स (पृष्ठ 5 पर) में वर्णित है ।
मेरा मंच मतलब है। अनुभवजन्य डेटा से पारस्परिक जानकारी की गणना करते समय मुझे एक समस्या यह है कि संख्या हमेशा पक्षपाती है। मुझे मतलाब सेंट्रल पर एमआई की गणना करने के लिए लगभग 3 ~ 4 अलग-अलग फाइलें मिलीं और जब मैं स्वतंत्र यादृच्छिक चर में फ़ीड करता हूं तो वे सभी बड़ी संख्या (जैसे 0.4) देते हैं।
मैं एक विशेषज्ञ नहीं हूं, लेकिन समस्या यह है कि यदि आप एमआई की गणना करने के लिए संयुक्त और सीमांत घनत्व का उपयोग करते हैं, तो बायस प्रक्रिया में पेश किया जाता है क्योंकि एमआई परिभाषा सकारात्मक है। क्या किसी के पास इस बात की व्यावहारिक सलाह है कि आपसी जानकारी का सही अनुमान कैसे लगाया जाए?
एक संबंधित प्रश्न व्यवहार में है, लोग वास्तव में सुविधाओं का चयन करने के लिए एमआई का उपयोग कैसे करते हैं? यह मेरे लिए स्पष्ट नहीं है कि एमआई थ्योरी के बिना थिअल्ड वैल्यू के साथ कैसे आना है। या क्या लोग केवल एमआई द्वारा सुविधाओं को रैंक करते हैं और शीर्ष कश्मीर सुविधाएँ लेते हैं?