文件名称：information:一些信息论的东西-传递熵等
文件大小：5KB
文件格式：ZIP
更新时间：2024-06-12 17:23:09
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。
【文件预览】：
information-master
----.gitignore(232B)
----README.md(1KB)
----entropy.py(10KB)