首页 > 其他好文 > 详细

MIC笔记

时间：2017-07-30 12:40:24 阅读：170 评论：0 收藏：0 [点我收藏+]

标签：idt jta pcr style min lsp number 散点图统计

特征：

Generality普遍性：MIC能够广泛地识别各种关联关系

Equitability均匀性：MIC能够均匀地衡量各种关联关系

背景知识：

Pearson product-moment correlation coefficien皮尔逊系数：用来衡量线性相关关系

Spearman‘s rank correlation coefficient死皮尔逊系数：可以在一定程度上反映非线性相关关系

coefficient of determinationke可决系数：可决系数是拟合优度的统计量，反映模型对数据的拟合程度

直观定义：

两个变量之间存在的任何可能的关系，都应该能在一个对其散点图的网格划分中反映出来

计算方法：

用不同分辨率的网格划分散点图，并使网格划分所取得的互信息尽可能地大

- 如何计算不同网格划分下的互信息？

对各分辨率下的划分进行变换统一，使它们之间具有可比性。取其中最高值作为MIC

网格划分中xy的最大值为B，B根据经验取值为数据集大小n的0.6次方

主要性质：

MIC在以下情况下会趋近于1：

数据集存在有噪声的关联关系，但样本容量足够大

数据中存在任意的无噪声的关联关系

- 对 “关联关系”的定义：

MIC在以下情况下会趋近于0：

- 统计的两个变量是独立变量

进阶拓展：

由规范化互信息得到的特征矩阵可以用来识别关联类型

由特征矩阵中最大不对称分数定义的MAS可用来判断关联关系的单调性，进一步可用来探究周期关联关系的变化频率

用p代指皮尔逊系数，则MIC-p^2可以用来探索新的非线性关联关系

实现方法：

标签：idt jta pcr style min lsp number 散点图统计

原文地址：http://www.cnblogs.com/lokvahkoor/p/7258577.html

踩

(0)

赞

(0)

举报

评论一句话评论（0）

分享档案

更多>

2021年07月29日 (22)
2021年07月28日 (40)
2021年07月27日 (32)
2021年07月26日 (79)
2021年07月23日 (29)
2021年07月22日 (30)
2021年07月21日 (42)
2021年07月20日 (16)
2021年07月19日 (90)
2021年07月16日 (35)

周排行

更多

友情链接

兰亭集智国之画百度统计站长统计阿里云 chrome插件新版天听网

关于我们 - 联系我们 - 留言反馈

© 2014 mamicode.com 版权所有联系我们:gaon5@hotmail.com

迷上了代码！