175
个编辑
更改
跳到导航
跳到搜索
第973行：
第973行： − + 第1,005行：
第1,005行： − + 第1,033行：
第1,033行： − + 第1,065行：
第1,065行： − + 第1,088行：
第1,088行： − + 第1,120行：
第1,120行： − + 第1,126行：
第1,126行： − + + + − 随后给出一个分布：In [2]: d = dit.Distribution(['000', '011', '102', '113'], [1/4]*4)+ + + − 用给出的分布进行PID分解（更改“PID_"后面角标即可使用其他PID分解方法）：In [3]: PID_WB(d)+ − 输出结果：Out[13]: + + + 第1,150行：
第1,156行： − +
→附录：信息原子的数值计算程序
在dit库中，我们可以创建这个：
在dit库中，我们可以创建这个：
import dit # importing dit library
<pre>import dit # importing dit library
from dit.pid import PID_WB # importing the PID measure we want to use
from dit.pid import PID_WB # importing the PID measure we want to use
+--------+--------+--------+
+--------+--------+--------+
"""
"""</pre>
dit对信息类型进行编码如下：
dit对信息类型进行编码如下：
使用dit，代码如下：
使用dit，代码如下：
import dit # importing dit library
<pre>import dit # importing dit library
from dit.pid import PID_WB # importing the PID measure we want to use
from dit.pid import PID_WB # importing the PID measure we want to use
+--------+--------+--------+
+--------+--------+--------+
"""
"""</pre>
正如我们所看到的，<math>X_1</math>和<math>X_2</math>提供的关于<math>Y</math>的信息是冗余的，换句话说，两者都提供。
正如我们所看到的，<math>X_1</math>和<math>X_2</math>提供的关于<math>Y</math>的信息是冗余的，换句话说，两者都提供。
代码是：
代码是：
import dit # importing dit library
<Pre>import dit # importing dit library
from dit.pid import PID_WB # importing the PID measure we want to use
from dit.pid import PID_WB # importing the PID measure we want to use
+--------+--------+--------+
+--------+--------+--------+
"""
"""</pre>
<math>X_1</math>和<math>X_2</math>传达的关于<math>Y</math>的唯一信息是{0:1}，这是协同信息。
<math>X_1</math>和<math>X_2</math>传达的关于<math>Y</math>的唯一信息是{0:1}，这是协同信息。
下面介绍如何用dit库进行一次完整的部分信息分解实验：（以Williams和Beer（2010）<ref name="Paul" />为例，只需要更改调用的函数名称即可使用其他PID分解方法，详见https://dit.readthedocs.io/en/latest/measures/pid.html）
下面介绍如何用dit库进行一次完整的部分信息分解实验：（以Williams和Beer（2010）<ref name="Paul" />为例，只需要更改调用的函数名称即可使用其他PID分解方法，详见https://dit.readthedocs.io/en/latest/measures/pid.html）
首先在python里导入dit.pit：In [1]: from dit.pid import *
首先在python里导入dit.pit：
<pre>In [1]: from dit.pid import *</pre>
随后给出一个分布：
<pre>In [2]: d = dit.Distribution(['000', '011', '102', '113'], [1/4]*4)</pre>
用给出的分布进行PID分解（更改“PID_"后面角标即可使用其他PID分解方法）：
<pre>In [3]: PID_WB(d)</pre>
输出结果：
<pre>Out[13]:
+--------+--------+--------+
+--------+--------+--------+
| {0}{1} | 1.0000 | 1.0000 |
| {0}{1} | 1.0000 | 1.0000 |
+--------+--------+--------+
+--------+--------+--------+</pre>
另外还有专门实现PID计算的pietromarchesi库：https://github.com/pietromarchesi/pidpy
另外还有专门实现PID计算的pietromarchesi库：https://github.com/pietromarchesi/pidpy