Machine learningInformation-theoretic causality

Entropia prenosu

Entropia prenosu (TE) je neparametrická, informačno-teoretická miera smerovej štatistickej závislosti medzi dvoma časovými radmi, ktorú v roku 2000 zaviedol Thomas Schreiber. Je založená na Shannonovej entropii a kvantifikuje, koľko informácií z minulosti jedného procesu Y znižuje neistotu o nasledujúcom stave iného procesu X, nad rámec toho, čo už poskytuje minulosť samotného X. Na rozdiel od lineárnej korelácie alebo Grangerovej kauzality, TE zachytáva nelineárne interakcie a nevyžaduje žiadne modelové predpoklady o základnej dynamike.

Otvoriť v MethodMindČoskoroVideoČoskoroDownload slides

Prečítať celú metódu

Len pre členov

Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.

Prihlásiť sa

Method map

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

Zdroje

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

Ako citovať túto stránku

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

Odkazujú sem

ScholarGateTransfer Entropy (Transfer Entropy). Získané 2026-06-15 z https://scholargate.app/sk/causal-inference/transfer-entropy · Dátová sada: https://doi.org/10.5281/zenodo.20539026