relativeEntropy

Одномерное расхождение Kullback-Leibler двух независимых групп данных, чтобы измерить отделимость класса

Синтаксис

Описание

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

Z = relativeEntropy(X,I) вычисляет одномерное расхождение Kullback-Leibler двух независимых подмножеств набора данных X это сгруппировано согласно логическим меткам в I. Относительная энтропия обеспечивает метрику для отранжировать признаки согласно их способности разделить два класса данных, такие как здоровые и неисправные машины. Энтропийное вычисление принимает что данные в X следует за Распределением Гаусса.

Код, который сгенерирован использованием Diagnostic Feature Designer relativeEntropy при ранжировании признаков с этим методом.

Входные параметры

свернуть все

Набор данных, содержащий выборки данных, которые могут быть логически классифицированы в две группы в виде вектора, 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 функций n, таких как функции кратного, извлеченные из одного источника данных, X 1 n вектором.

  • Когда X содержит наборы m функций n, X m-by-n матрица. Каждая строка в X представляет один источник данных и должен соответствовать одному логическому классу.

X должен содержать по крайней мере две строки, которые соответствуют логическому классу в I из 0 и две строки, которые соответствуют метке 1 вычислить законные относительные энтропийные значения.

Например, предположите, что у вас есть набор пяти функций каждой из 20 коробок передач, и вы вычисляете относительную энтропию, чтобы оценить эти функции. X 20 5 матрица. Каждая строка представляет коробку передач, которая является или здоровой или дефектной, как обозначено связанной логической меткой класса 0 или 1. По крайней мере две коробки передач должны быть здоровыми, и по крайней мере две коробки передач должны быть дефектными. Относительная энтропия указывает, как хорошо каждая функция разделяет данные для здоровых коробок передач из данных для дефектных коробок передач.

Логическая метка классификации, которая присваивает строки в X к одному из двух логических классов в виде вектора из длины m, где m является количеством строк в X.

Например, предположите еще раз тот X 20 5 матрица, соответствующая 20 коробкам передач. Первые 9 коробок передач здоровы. Остающиеся 11 коробок передач являются дефектными. Задайте здоровое состояние как 0 и дефектное состояние как 1. Затем I имеет длину 20. Первые 9 меток в I равны 0 и остающиеся 11 меток равны 1.

Выходные аргументы

свернуть все

Относительная энтропия двух помеченных групп, возвращенных как скаляр или вектор.

  • Если X вектор, затем Z скаляр.

  • Если X матрица, затем relativeEntropy вычисляет расстояние отдельно для каждой функции. Z затем вектор из длины n, где n является количеством столбцов в Z.

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

Ссылки

[1] Theodoridis, Серджиос и Константинос Кутрумбас. Распознавание образов, 175–177. 2-й редактор Амстердам; Бостон: Academic Press, 2003.

Введенный в R2020a