在这里,“证据权重”(WOE)是已发表的科学和政策制定文献中的常用术语,在风险评估的背景下最常见,其定义如下:
其中是证据,是假设。
现在,我想知道PMI(逐点相互信息)的主要区别是什么
在这里,“证据权重”(WOE)是已发表的科学和政策制定文献中的常用术语,在风险评估的背景下最常见,其定义如下:
其中是证据,是假设。
现在,我想知道PMI(逐点相互信息)的主要区别是什么
Answers:
即使它们看起来很相似,但它们是完全不同的东西。让我们从主要的差异开始。
在PMI和WOE中有所不同。
请注意,PMI中的术语。这意味着 h是您可以计算概率的随机变量。对于贝叶斯来说,这没问题,但是如果您不相信假设具有先验概率,那么您甚至无法为假设和证据编写PMI。在WOE中, h是分布的参数,并且始终定义表达式。
PMI是对称的,WOE并非
微不足道,。但是,由于术语不需要定义。即使是,它通常也不等于。
除此之外,WOE和PMI具有相似之处。
证据的权重说明了证据支持一个假设的程度。如果为0,则表示它既不支持也不反对。数值越高,它对假设验证就越多,数值越低,它对验证就越多。
相互信息量化了事件(或)的发生如何表示有关另一个事件的发生的某些信息。如果为0,则事件是独立的,一个事件的发生对另一个事件无动于衷。它们越高,它们同时出现的频率就越高,而它们越低,它们相互排斥的程度就越高。
如果假设也是一个随机变量并且两个选项都有效,那该怎么办?例如,在以上通迅二进制噪声信道,假设是ħ发射的信号,以解码和证据是所接收的信号。都说翻转的概率为1 / 1000个,因此,如果您收到1,对于WOE 1是登录0.999 / 0.001 = 6.90。另一方面,PMI取决于发射1的可能性。您可以验证当发出1的可能性趋于0时,PMI趋于6.90,当发射1的可能性趋于1时,趋向于。
这种自相矛盾的行为说明了两件事:
它们都不适合猜测排放量。如果发射的概率以下滴1 / 1000,最可能的发射是0接收即使当1。但是,对于发射1的小概率,WOE和PMI都接近6.90。
PMI是通过假设的实现获得的(Shannon)信息,如果假设几乎是确定的,则不会获得任何信息。WOE是我们先前赔率的更新,它不取决于那些赔率的值。