Machine learningInformation-theoretic causality
Transfer Entropy
Transfer Entropy（TE）は、2つの時系列間の指向性統計的依存性を測るノンパラメトリックな情報理論的尺度であり、2000年にThomas Schreiberによって導入された。シャノンエントロピーに基づいており、X自身の過去がすでに提供する情報量を超えて、あるプロセスYの過去が別のプロセスXの次の状態に関する不確実性をどれだけ減少させるかを定量化する。線形相関やグレンジャー因果性とは異なり、TEは非線形相互作用を捉え、基盤となるダイナミクスに関するモデル仮定を必要としない。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- Schreiber, T. (2000). Measuring information transfer. Physical Review Letters, 85(2), 461–464. DOI: 10.1103/PhysRevLett.85.461 ↗
このページの引用方法
ScholarGate. (2026, June 2). Transfer Entropy. ScholarGate. https://scholargate.app/ja/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 →