python - python中的联合熵

Question

我有两个数组:

import numpy as np
a = np.array(['1','2','3'])
b = np.array(['3','4','1','5'])

我想计算联合熵。我找到了一些制作它的 Material :

import numpy as np
def entropy(*X):
    return = np.sum(-p * np.log2(p) if p > 0 else 0 
        for p in (np.mean(reduce(np.logical_and, (predictions == c for predictions, c in zip(X, classes))))
        for classes in itertools.product(*[set(x) for x in X])))

似乎与 len(a) = len(b) 一起工作正常，但如果 len(a) != len(b) 则以错误结束

>

UPD:数组 a 和 b 是从示例主输入创建的:

b:3 p1:1 p2:6 p5:7
b:4 p1:2 p7:2
b:1 p3:4 p5:8
b:5 p1:3 p4:4 

其中数组 a 是根据 p1 值创建的。因此，并非每一行都由每个 pK 组成，但每一行都有 b 属性。我需要计算每个 pK 的互信息 I(b,pK)。

Answer 1

假设您正在谈论 Joint Shannon Entropy ，公式直截了当:

这个问题，当我看看你到目前为止所做的事情时，你缺少 P(x,y)，即两个变量一起出现的联合概率。看起来 a,b 分别是事件 a 和 b 的个体概率。

您发布的代码还有其他问题(在评论中提到):

1. 您的变量不是数字数据类型 a=["1","2"] 与 a=[1,2 ]。一个是字符串，另一个是数字。
2. 输入数据的长度必须相同，即对于 A 中的每个 x，B 中必须有一个 y 并且您需要知道联合概率P(x,y)。