📌 واگرایی کولبک–لیبلر (KL)
می‌گه اگر واقعیت یه چیز باشه ولی ما با تصور اشتباه تصمیم بگیریم، چقدر اطلاعات از دست می‌ره.

🩺 مثال پزشکی:
واقعیت می‌گه احتمال بیماری قلبی ۳۰٪ ـه
مدل می‌گه فقط ۱٪
یعنی مدل شدیداً اشتباه فکر می‌کنه → KL بزرگ → تشخیص خطرناک


---

📌 واگرایی جنسن–شنون (JS)
می‌گه دو تا توزیع احتمال چقدر شبیه هم هستن.

🩺 مثال پزشکی:
توزیع علائم بیماران دیابتی
در برابر
توزیع علائم بیماران سندرم متابولیک
علائم شبیه‌ان → JS کوچیک → الگوی بیماری نزدیکه


---

🧠 جمع‌بندی خیلی خلاصه
KL = هزینه‌ی تشخیص اشتباه
JS = میزان شباهت الگوهای بیماری


برای اطلاعات بیشتر بخوانید
➖➖➖➖➖
🔺 @hitwithit
🔺 YouTube
🔺 مهارت فنی در انفورماتیک پزشکی و داده کاوی سلامت