Machine learningInformation-theoretic causality

אנטרופיית העברה

אנטרופיית העברה (TE) היא מדד לא-פרמטרי, מתורת האינפורמציה, לתלות סטטיסטית מכוונת בין שני טורי זמן, שהוצג על ידי תומאס שרייבר בשנת 2000. המדד מבוסס על אנטרופיית שאנון, ומכמת כמה מידע מהעבר של תהליך אחד Y מפחית את אי-הוודאות לגבי המצב הבא של תהליך אחר X, מעבר למה שעבר X כבר מספק. בניגוד לקורלציה לינארית או סיבתיות גריינג'ר, TE לוכד אינטראקציות לא-לינאריות ואינו דורש הנחות מודל לגבי הדינמיקה הבסיסית.

פתיחה ב-MethodMindבקרובוידאובקרובDownload slides

קראו את השיטה במלואה

לחברים בלבד

התחברו עם חשבון חינמי כדי לקרוא חלק זה.

התחברות

Method map

The neighbourhood of related methods — select a node to explore.

מקורות

  1. Schreiber, T. (2000). Measuring information transfer. Physical Review Letters, 85(2), 461–464. DOI: 10.1103/PhysRevLett.85.461

איך לצטט עמוד זה

ScholarGate. (2026, June 2). Transfer Entropy. ScholarGate. https://scholargate.app/he/causal-inference/transfer-entropy

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

מאוזכר על ידי

ScholarGateTransfer Entropy (Transfer Entropy). אוחזר בתאריך 2026-06-15 מתוך https://scholargate.app/he/causal-inference/transfer-entropy · מערך נתונים: https://doi.org/10.5281/zenodo.20539026