我有两个数字列表(长度不同)。
使用Python,我想计算10个bin的直方图。
然后,我想使用标准核(均值为0,sigma=1的高斯核)平滑这两个直方图。
然后,我想计算这两个平滑直方图之间的KL距离。
我找到了一些关于直方图计算的代码,但不确定如何应用标准核进行平滑,然后如何计算KL距离。
请帮忙。
要计算直方图,您可以使用numpy.histogram()。而对于高斯平滑,则可以使用scipy.ndimage.filters.gaussian_filter()。如需查找Kullback-Leibler散度代码,请单击此处。
用于执行所需计算的方法可能如下所示:
import numpy as np
from scipy.ndimage.filters import gaussian_filter
def kl(p, q):
p = np.asarray(p, dtype=np.float)
q = np.asarray(q, dtype=np.float)
return np.sum(np.where(p != 0, p * np.log(p / q), 0))
def smoothed_hist_kl_distance(a, b, nbins=10, sigma=1):
ahist, bhist = (np.histogram(a, bins=nbins)[0],
np.histogram(b, bins=nbins)[0])
asmooth, bsmooth = (gaussian_filter(ahist, sigma),
gaussian_filter(bhist, sigma))
return kl(asmooth, bsmooth)