Divergencea Džena-Šenona
Divergencea Džena-Šenona ir simetrisks informācijas teorētisks mērs atšķirībai starp diviem varbūtību sadalījumiem. To 1991. gadā izstrādāja Jian Lin kā uzlabojumu asimetriskajai Kulla-Leiblera divergenču, un tā novērš KL divergenču virziena ierobežojumu, vidējot divergenču abos virzienos. Rezultāts ir patiesa metrika (apmierina trijstūra nevienādību), kuras vērtība svārstās no 0 (identiski sadalījumi) līdz 1, padarot to piemērotu simetriskiem salīdzināšanas uzdevumiem.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- Lin, J. (1991). Divergence measures based on the Shannon entropy. IEEE Transactions on Information Theory, 37(1), 145-151. DOI: 10.1109/18.61115 ↗
- Cover, T. M., & Thomas, J. A. (1991). Elements of Information Theory. Wiley-Interscience. DOI: 10.1002/0471200611 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Jensen-Shannon Information Divergence. ScholarGate. https://scholargate.app/lv/decision-making/jensen-shannon-divergence
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.
- Hellinger DistanceLēmumu pieņemšana↔ compare
- Kullback-Leibler diverģenceLēmumu pieņemšana↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →