KL(Kullback-Leibler)距离与Python中的直方图平滑

Question

我有两个(不同长度)数字列表.使用Python,我想用10个箱子来计算直方图.然后我想用标准内核(高斯内核,平均值= 0,sigma = 1)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内核进行平滑,然后如何计算KL距离.请帮忙.

Answer 1

要计算直方图,您可以使用numpy.histogram()和高斯平滑scipy.ndimage.filters.gaussian_filter().Kullback-Leibler分歧代码可以在这里找到.

计算方法执行所需的计算将如下所示:

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)