information:一些信息论的东西-传递熵等-源码

Python

三个熵估计器连续随机变量的熵的三个估计量（一维） entropy_bin()使用常见的直方图方法。除数据外，还需要指定容器宽度。 entropy_ci()使用一阶相关积分，就像niave核密度估计器一样。除了数据外，还需要指定一个邻域半径（内核带宽），类似于直方图估计器的（一半）箱宽度。 entropy_nn()使用最近邻居距离的分布。它不需要可调参数。通过使用具有各种带宽的一些模拟，我的经验是，最近的邻居估计量具有最低的偏差，但方差最大。相关积分估计器可能是最好的，尤其是在选择了很好的邻居半径的情况下。直方图方法倾向于低估熵。我怀疑使用高斯核的核密度估计器会更好，但是没有实现。

文件下载

评论信息

其他资源

免责申明

【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论【只为小站】经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见版权及免责申明

information:一些信息论的东西-传递熵等-源码

文件下载

评论信息

其他资源

免责申明

个人信息

相关资源标签

热门下载

最新下载