ScholarGate
Pembantu
Machine learningInformation-theoretic causality

Entropi Pemindahan

Entropi Pemindahan (TE) ialah ukuran kebergantungan statistik berarah yang bukan parametrik dan berasaskan teori maklumat antara dua siri masa, diperkenalkan oleh Thomas Schreiber pada tahun 2000. Berteraskan entropi Shannon, ia mengukur sejauh mana maklumat daripada masa lalu satu proses Y mengurangkan ketidakpastian tentang keadaan seterusnya satu lagi proses X, melebihi apa yang telah disediakan oleh masa lalu X sendiri. Berbeza dengan korelasi linear atau kausaliti Granger, TE menangkap interaksi tak linear dan tidak memerlukan andaian model tentang dinamik asas.

Buka dalam MethodMindTidak lama lagiVideoTidak lama lagiDownload slides

Baca kaedah sepenuhnya

Ahli sahaja

Log masuk dengan akaun percuma untuk membaca bahagian ini.

Log masuk

Method map

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

Sumber

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

Cara memetik halaman ini

ScholarGate. (2026, June 2). Transfer Entropy. ScholarGate. https://scholargate.app/ms/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

Dirujuk oleh

ScholarGateTransfer Entropy (Transfer Entropy). Dicapai 2026-06-15 daripada https://scholargate.app/ms/causal-inference/transfer-entropy · Set data: https://doi.org/10.5281/zenodo.20539026