我已经使用共同信息一段时间了。但是我发现“关联世界”中有一个非常新的度量,也可以用来度量分布独立性,即所谓的“距离相关”(也称为布朗相关):http : //en.wikipedia.org/wiki/Brownian_covariance。我检查了引入此措施的论文,但没有发现对相互信息的任何暗示。
因此,我的问题是:
- 他们解决完全相同的问题吗?如果不是,那么这些问题有何不同?
- 并且,如果可以肯定地回答上一个问题,那么使用一个或另一个有什么好处?
举一个简单的例子,尝试明确写下“距离相关性”和“相互信息”。在第二种情况下,您将获得对数,而在第一种情况下-将不会。
—
Piotr Migdal
@PiotrMigdal是的,我知道这种区别。您能解释一下为什么重要吗?请考虑到我不是统计学家……
—
dsign 2012年
对于马来说,衡量概率分布相互依存关系的标准工具是互信息。它具有很多不错的属性,其解释也很简单。但是,可能存在一些特定的问题,其中首选距离相关(但我一生中从未使用过)。那么,您要解决的问题是什么?
—
Piotr Migdal
这则评论晚了几年,但哥伦比亚大学的统计系将2013-2014学年定为关注依赖程度的一年。2014年4月至5月,举行了一个研讨会,汇集了在该领域工作的顶尖学者,包括Reshef兄弟(MIC),Gabor Szekely(距离相关),Subhadeep Mukhopadhay等。这是该程序的链接,其中包括演示文稿中的许多pdf。 dependence2013.wikischolars.columbia.edu/...
—
迈克·亨特