5,443
个编辑
更改
跳到导航
跳到搜索
第595行：
第595行： − 这是计算一个马尔科夫概率转移矩阵的Python源代码。输入tpm为一个满足行归一化条件的马尔科夫概率转移矩阵，返回的ei_all为其EI值，其余两项分别为'''确定性系数'''和'''简并性系数'''。+ + + + + + + + + + + + − + − + + + + + − + − + − + + + + + + − return ei_all,det/np.log2(log_base),deg/np.log2(log_base) + +
→计算EI的源代码
==计算EI的源代码==
==计算EI的源代码==
这是计算一个马尔科夫概率转移矩阵的Python源代码。输入tpm为一个满足行归一化条件的马尔科夫概率转移矩阵，返回的ei_all为其EI值，eff为有效性，det，deg分别为确定性和简并性，det_c，deg_c分别为'''确定性系数'''和'''简并性系数'''。
python:<syntaxhighlight lang="python3">
python:<syntaxhighlight lang="python3">
def tpm_ei(tpm, log_base = 2):
def tpm_ei(tpm, log_base = 2):
'''
tpm: 输入的概率转移矩阵，可以是非方阵
log_base：对数的底
ei_all：EI的值
det：EI中确定性的部分
deg：EI中简并性的部分
eff：有效性
det_c：确定性系数
deg_c：简并性系数
'''
# marginal distribution of y given x ~ Unifrom Dist
# marginal distribution of y given x ~ Unifrom Dist
puy = tpm.sum(axis=0)
puy = tpm.mean(axis=0)
n = tpm.shape[0]
m,n = tpm.shape
if m > n:
q = n
else:
q = m
# replace 0 to a small positive number to avoid log error
# replace 0 to a small positive number to avoid log error
eps = 1E-10
eps = 1E-10
tpm_e = np.where(tpm==0, eps, tpm)
tpm_e = np.where(tpm==0, eps, tpm)
puy_e = np.where(tpm==0, eps, puy)
puy_e = np.where(puy==0, eps, puy)
# calculate EI of specific x
# calculate EI of specific x
ei_x = (np.log2(n * tpm_e / puy_e) / np.log2(log_base) * tpm).sum(axis=1)
ei_x = (np.log2(tpm_e / puy_e) / np.log2(log_base) * tpm).sum(axis=1)
# calculate det and deg
# calculate det and deg
det = np.log2(n) + (tpm * np.log2(tpm_e)).sum(axis=1).mean(axis=0)
det = np.log2(n) + (tpm * np.log2(tpm_e)).sum(axis=1).mean(axis=0)
deg = np.log2(n) + (tpm.mean(axis=0) * np.log2(tpm_e.mean(axis=0))).sum()
deg = np.log2(n) + (puy * np.log2(puy_e)).sum()
det = det / np.log2(log_base)
deg = deg / np.log2(log_base)
det_c = det / np.log2(q)
deg_c = deg / np.log2(q)
# calculate total EI
# calculate total EI
ei_all = ei_x.mean()
ei_all = ei_x.mean()
eff = ei_all / np.log2(q)
return ei_all,det,deg,eff,det_c,deg_c
</syntaxhighlight>
</syntaxhighlight>