Machine learningInformation-theoretic causality

Трансферна ентропія

Трансферна ентропія (TE) — це непараметричний інформаційно-теоретичний показник спрямованої статистичної залежності між двома часовими рядами, представлений Томасом Шрайбером у 2000 році. Заснована на ентропії Шеннона, вона кількісно визначає, скільки інформації з минулого одного процесу Y зменшує невизначеність щодо наступного стану іншого процесу X, понад те, що вже надає минуле самого X. На відміну від лінійної кореляції чи причинності за Грейнджером, TE охоплює нелінійні взаємодії та не вимагає припущень щодо моделі базової динаміки.

Відкрити у MethodMindНезабаромВідеоНезабаромDownload slides

Читати метод повністю

Лише для учасників

Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.

Увійти

Method map

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

Джерела

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

Як цитувати цю сторінку

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

Згадується в

ScholarGateTransfer Entropy (Transfer Entropy). Отримано 2026-06-15 з https://scholargate.app/uk/causal-inference/transfer-entropy · Набір даних: https://doi.org/10.5281/zenodo.20539026