重击 用于计算符号互信息和熵的符号传递的Python模块

pent 估计Copula熵和传递熵 介绍 实现了估计参数熵和传递熵的非参数方法。 估计copula熵的方法由两个简单步骤组成：通过等级统计估计经验copula和使用k最近邻法估计copula熵。 Copula熵是用于多元统计独立性测量和测试的数学概念，并被证明等同于互信息。与Pearson相关系数不同，Copula熵是为非线性，高阶和多元情况定义的，这使其普遍适用。估计copula熵可以应用于很多情况，包括但不限于变量选择[2]和因果发现（通过估计传递熵）[3]。有关更多信息，请参阅Ma and Sun（2011） 。有关中文的更多信息，请点击。 用于估计传递熵的非参数方法包括两个步骤：估计三个copula熵和从估计的copula熵计算传递熵。还提供了条件独立性测试的功能。有关更多信息，请参阅Ma（2019） 。 功能 pent-估计copula熵; Construct_empir

互信息计算matlab代码互信息代码 互信息的计算代码是用Matlab编写的。 互信息是衡量一个随机变量告诉我们另一个变量的数量的其中之一。 它是具有（通常）比特单位的无量纲量，并且可以被认为是在已知另一个随机变量的情况下，其不确定性的降低。 相互之间的信息丰富，表明不确定性大大降低； 相互信息量低表示减少幅度很小； 两个随机变量之间的相互信息为零意味着变量是独立的。

非均匀分簇matlab代码time-delay_mutual-信息 此源包含针对非均匀采样总体的TDMI计算的非优化版本，有时甚至是愚蠢的并行化版本。 假定数据文件是以下形式的矩阵：mrn时间值 下面列出了代码的三个不同版本： single_case_raw ---包含TDMI计算的高度可调（因此使用起来有些困难）版本。 single_case_clean ---包含不可调整但易于使用的TDMI计算版本 cluster_code ---包含示例脚本和运行该脚本的代码，用于通过扭矩队列群集将TDMI计算的愚蠢并行版本提交给matlab。