我对算术编码的工作原理有很高的了解，但在我读过的资料中（https://neptune.ai/blog/lossless-data-compression-using-arithmetic-encoding-in-python-and -its-applications-in-deep-learning 和 https://go-compression.github.io/algorithms/arithmetic/）我不清楚频率表和我们正在压缩的消息之间的关系是。
我的理解是频率表是根据某些消息范围确定的，因此应该代表您将按预期编码的消息。这种理解正确吗？
我的第二个问题涉及为什么频率较大（因此概率较大）的字符占据了间隔的很大一部分。我不认为这与准确性有任何关系。它会以某种方式加速算法吗？为什么不让每个角色都有相同的概率呢？
我从第二个问题开始：不，这与速度无关。使用概率就是实际进行压缩的！
压缩的主要思想：对于常见的消息使用较少的比特，对于稀有的消息使用较多的比特。在理想情况下，我们应该以 50% 的概率使用 1 位来表示消息。因此，压缩实际上关键取决于对频率的了解。
算术编码实现了近乎理想的编码——每当概率范围减少一半时，它就会产生一个比特。低概率符号产生较小的范围 - 因此它们输出更多的位。高概率符号产生较少的比特。概率 >50% 的符号可能不会产生任何位 - 一个位需要多个这样的符号！
计算频率表的方法有很多 - 但它应该尽可能接近输入的真实分布。它们越接近，您获得的压缩效果就越好。请注意，编码器和解码器必须使用相同的频率！