KL散度 vs 最大平均差異
KL Divergence vs Maximum Mean Discrepancy
KL散度 側重 KL散度（Kullback-Leibler Divergence）衡量兩個機率分佈的差異，數值越大代表分佈差異越大，常用於評估模型預測分佈與真實分佈的接近程度。，而 最大平均差異 側重 一種衡量兩個機率分佈之間差異的統計距離，常用於生成模型評估與領域適應。。
逐項比較
| 項目 | KL散度 | 最大平均差異 |
|---|---|---|
| 一句定義 | KL散度（Kullback-Leibler Divergence）衡量兩個機率分佈的差異，數值越大代表分佈差異越大，常用於評估模型預測分佈與真實分佈的接近程度。 | 一種衡量兩個機率分佈之間差異的統計距離，常用於生成模型評估與領域適應。 |
| 常見標籤 | 機器學習、深度學習、模型評估、統計方法、生成式AI、模型訓練、自然語言處理 | 機器學習、模型評估、統計方法、最佳化、source:ipas |
| iPAS 關聯度 | 未知 | 未知 |
| 考生最常問 | KL散度 最容易跟 交叉熵 混淆嗎？ | MMD與KL散度有何不同？ |