relativeEntropy

Одномерное расхождение Куллбека и Лейблера двух независимых групп данных для измерения разделяемости классов

Синтаксис

Описание

relativeEntropy - функция, используемая в коде, сгенерированном Diagnostic Feature Designer.

Z = relativeEntropy(X,I) вычисляет одномерное расхождение Куллбека и Лейблера двух независимых подмножеств набора данных X которые сгруппированы согласно логическим меткам в I. Относительная энтропия обеспечивает метрику для функций рейтинга в зависимости от их способности разделять два класса данных, таких как исправные и неисправные машины. Вычисление энтропии принимает, что данные в X следует Гауссову распределению.

Код, который генерируется Diagnostic Feature Designer использованием relativeEntropy при ранжировании функций с помощью этого метода.

Входные параметры

свернуть все

Набор данных, содержащий выборки данных, которые могут быть логически классифицированы в две группы, заданные как вектор, когда у вас есть один набор выборок, таких как значения для одной функции и матрица, когда у вас есть несколько наборов выборок.

  • Когда X содержит один набор < reservedrangesplaceholder1 > функций, такие как несколько функции, извлеченных из одного источника данных, X является вектором 1-by- n.

  • Когда X содержит m набора < reservedrangesplaceholder1 > функций, X является m -by - n матрицей. Каждая строка в X представляет один источник данных и должен соответствовать одному логическому классу.

X должны содержать по крайней мере две строки, которые соответствуют логическому классу в I от 0 и две строки, которые соответствуют метке 1 вычислить законные значения относительной энтропии.

Например, предположим, что у вас есть набор из пяти функций для каждой из 20 коробок передач, и вы вычисляете относительную энтропию, чтобы оценить эти функции. X является матрицей 20 на 5. Каждая строка представляет коробку передач, которая является исправной или неисправной, как указано связанной меткой логического класса 0 или 1. Не менее двух коробок передач должны быть исправны, и не менее двух коробок передач должны быть неисправны. Относительная энтропия указывает, насколько хорошо каждая функция отделяет данные для здоровых коробок передач от данных для неисправных коробок передач.

Логическая метка классификации, которая присваивает строки в X к одному из двух логических классов, заданному как вектор m длины, где m - количество строк в X.

Например, предположим еще раз, что X - матрица 20 на 5, соответствующая 20 коробкам передач. Первые 9 коробок передач исправны. Остальные 11 коробок передач неисправны. Определите здоровое состояние как 0 и неисправное состояние как 1. Затем I имеет длину 20. Первые 9 меток в I равны 0 а остальные 11 меток равны 1.

Выходные аргументы

свернуть все

Относительная энтропия двух маркированных групп, возвращенная в виде скаляра или вектора.

  • Если X является вектором, тогда Z является скаляром.

  • Если X является матрицей, тогда relativeEntropy вычисляет расстояние отдельно для каждой функции. Z является вектором длины n, где n - количество столбцов в Z.

relativeEntropy лечит NaN записи в X как отсутствующие значения и игнорирует их.

Ссылки

[1] Теодоридис, Сергиос и Константинос Кутумбас. Распознавание шаблонов, 175-177. 2-й ред. Амстердам; Бостон: Академическая пресса, 2003.

Введенный в R2020a