Ctrl+K
scipy.stats.Mixture.

logentropy#

Mixture.logentropy(*, method=None)[源代码]#

微分熵的对数

用概率密度函数 \(f(x)\) 和支持集 \(\chi\) 表示，随机变量 \(X\) 的微分熵（或简称“熵”）为：

\[h(X) = - \int_{\chi} f(x) \log f(x) dx\]

logentropy 计算微分熵的对数（“对数熵”），\(log(h(X))\)，但与朴素的实现（先计算 \(h(X)\) 再取对数）相比，它在数值上可能更优。

参数:
method{None, ‘formula’, ‘logexp’, ‘quadrature}

用于评估对数熵的策略。默认值（None）是，基础设施会从以下选项中选择，按优先级顺序排列。

  • 'formula': 使用对数熵本身的公式

  • 'logexp': 计算熵并取对数

  • 'quadrature': 数值积分熵积分的对数

并非所有分布都提供所有 method 选项。如果所选的 method 不可用，则会引发 NotImplementedError。

返回:
outarray

对数熵。

参见

entropy
logpdf

注释

如果分布的熵为负数，则对数熵是复数，虚部为 \(\pi\)。为保持一致性，此函数的结果始终具有复数 dtype，无论虚部的值如何。

参考

示例

使用所需的参数实例化分布

>>> import numpy as np
>>> from scipy import stats
>>> X = stats.Uniform(a=-1., b=1.)

评估对数熵

>>> X.logentropy()
(-0.3665129205816642+0j)
>>> np.allclose(np.exp(X.logentropy()), X.entropy())
True

对于熵为负的随机变量，对数熵的虚部等于 np.pi。

>>> X = stats.Uniform(a=-.1, b=.1)
>>> X.entropy(), X.logentropy()
(-1.6094379124341007, (0.4758849953271105+3.141592653589793j))
在本页中