Machine learning 分类中的熵

我只是对熵有一些怀疑。熵公式如下所示： -求和（p（i|j）log2 p（i|j） 这是目标属性的公式，它只有两个值。如果目标属性有两个以上的类值（比如高、中、低），该怎么办？公式会受到什么影响？ 是吗?， -求和（p（i|j）log3p（i|j））

另一个问题： 如何在没有任何偏差的情况下计算随机基线分类器的精度？ 假设我的问题是：

 1)class1=50% and class2=50%
 2)class1=40% and class2=60%
 3)class1=10%,class2=20% and class3=70%

---

你能帮我回答这两个问题吗？

不，对数通常选择以2为底，“位”

---

但事实上，日志的基础只是一个常数，在大多数情况下，它会被抵消，或者是一个不重要的全局缩放常数。

谢谢你。你能告诉我基线准确性的答案吗？这部分无法回答，它是不完整的。这实际上是采访中为我提出的一个问题。我无法理解answer因为他们的回答是无偏见的。在面试中，你可以要求澄清。我看到了一个简单的答案，可能是他们想要的答案。但是你需要用“没有偏见”互动检查他们的意思。这甚至可能是测试的一部分！