Questions tagged «distance-covariance»

刚刚（模糊地）向我介绍了Brownian /距离协方差/相关性。在测试依赖性时，它在许多非线性情况下似乎特别有用。但是，尽管协方差/相关经常用于非线性/混沌数据，但它似乎并不经常使用。 这使我认为距离协方差可能存在一些缺点。那么它们是什么？为什么每个人都不总是使用距离协方差？

21 correlation  covariance  distance-covariance 

据我了解，距离相关是一种健壮且通用的方法，用于检查两个数字变量之间是否存在关系。例如，如果我们有一组数字对： (x1, y1) (x2, y2) ... (xn, yn) 我们可以使用距离相关来检查两个变量（x和y）之间是否存在任何（不一定是线性的）关系。而且，x并且y可以是不同维度的向量。 计算距离相关性相对容易。首先，我们使用计算距离矩阵。然后我们使用计算距离矩阵。这两个距离矩阵的维数相同，因为x_i和y_i的数目相同（因为它们成对出现）。ÿ 我X 我ÿ 我xixix_iyiyiy_ixixix_iyiyiy_i 现在我们有很多距离可以配对。例如，(2,3)来自第一距离矩阵的元素(2,3)与来自第二距离矩阵的元素配对。因此，我们有一组成对的距离，我们可以用它来计算相关性（距离之间的相关性）。 如果两种类型的距离相关，则意味着接近Xs通常意味着接近Ys。例如，如果接近，则意味着y_7可能接近y_ {13}。因此，我们可以得出结论，Xs和Ys是相关的。x 13 y 7 y 13x7x7x_7x13x13x_{13}y7y7y_7y13y13y_{13} 听起来很合理，但是我不了解两个方面。 首先，要计算距离相关性，我们不直接使用两个距离矩阵。我们对其应用双重居中过程（以便任何行（或列）中所有元素的总和等于零）。我不明白为什么我们需要这样做。此步骤背后的逻辑（或直觉）是什么？ 其次，在原始距离矩阵中，对角线上有零。因此，如果我们计算距离之间的相关性，则将具有统计上显着的相关性，因为第一矩阵中的许多零与第二矩阵中的对应零成对。该问题如何解决？

15 correlation  independence  intuition  distance-covariance 

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？

15 correlation  mutual-information  distance-covariance 

我一直在注视着维基百科页面上的距离相关性，该距离相关性似乎由如何计算来表征。虽然我可以进行计算，但仍在努力寻找距离相关量度以及为什么计算看起来像它们一样。 是否存在（或许多）更直观的距离相关特征，可以帮助我理解其测量结果？ 我意识到要求直觉有点含糊，但是如果我知道我要的是哪种直觉，我可能一开始就不会要求。对于两个随机变量之间的距离相关情况（即使在两个随机向量之间定义了距离相关）的情况，我也很满意。

14 correlation  distance  intuition  distance-covariance