Answers:
例如,KL-散度通常用于信息理论设置,甚至贝叶斯设置中,以测量在应用某些推断前后分布之间的信息变化。由于缺乏对称性和三角形不等式,在典型的(度量)意义上它不是距离,因此它用于方向性有意义的地方。
KS距离通常用于非参数测试。事实上,我很少看到它作为,在一个通用的“分布之间的距离” 的距离,詹森-香农的距离,和其他的距离是比较常见的。
另一种用外行术语表述与先前答案相同的事情的方式:
KL散度-实际提供了两个分布彼此之间有多大差异的度量。如前面的答案所提到的,此度量不是适当的距离度量,因为它不对称。即分布A和B之间的距离与分布B和A之间的距离是不同的值。
Kolmogorov-Smirnov检验-这是一种评估指标,着眼于测试分布的累积分布与参考分布之间的最大距离。此外,您可以像针对Zol分数一样针对Kolmogorov分布使用此度量标准,以执行关于检验分布是否与参考分布相同的假设检验。由于它是对称的,因此可以用作距离函数。即,A的CDF与B的CDF之间的最大间隔与B的CDF与A的CDF之间的最大间隔相同。