最大信息系数MIC的python代码

基于CyrusMIC的变量互信息计算与概率矩阵划分

原创

已于 2022-04-30 15:17:52 修改 · 1.4k 阅读

20 ·

CC 4.0 BY-SA版权

文章标签：

#python #经验分享 #学习

于 2022-04-30 15:17:36 首次发布

本文介绍了一个名为CyrusMIC的类，用于计算两个变量的互信息并根据给定的网格数划分概率矩阵。核心内容包括初始化参数、计算互信息值、划分区间及展示实例应用。

完整代码

import numpy as np
import logging
import sys
import pandas as pd

class CyrusMIC(object):
    logger = logging.getLogger()
    logger.setLevel(logging.INFO)
    screen_handler = logging.StreamHandler(sys.stdout)
    screen_handler.setLevel(logging.INFO)
    formatter = logging.Formatter('%(asctime)s - %(module)s.%(funcName)s:%(lineno)d - %(levelname)s - %(message)s')
    screen_handler.setFormatter(formatter)
    logger.addHandler(screen_handler)
    def __init__(self,x_num=[None,None],y_num=[None,None]):
        self.x_max_num = x_num[1]
        self.x_min_num = x_num[0]
        self.y_min_num = y_num[0]
        self.y_max_num = y_num[1]
        self.x = None
        self.y = None
    def cal_mut_info(self,p_matrix):
        """
        计算互信息值
        :param p_matrix: 变量X和Y的构成的概率矩阵
        :return: 互信息值
        """
        mut_info = 0
        p_matrix = np.array(p_matrix)
        for i in range(p_matrix.shape[