信息论的python包。
dit的Python项目详细描述
`` dit``是一个信息理论的python软件包。
/>
导论对概率论和统计学来说，量化任意随机变量之间的依赖性
，使其在系统和尺度上具有一致性和可比性。信息论最初是为了量化信息在任意信道中传输的速度和可靠性。现代数据驱动科学的需求一直在协调这些数量和方法，并将其扩展到未知的多变量环境中，在这些环境中，解释和最佳实践是未知的。例如，至少有四种合理的相互信息的多元推广，它们都没有继承标准二元情形的所有解释。最好使用的是上下文相关的。`` dit``
实现了大量的多元信息度量，以使信息
实践者能够研究这些不同度量在各种上下文中的行为和交互。我们希望在一个地方实现所有这些度量和技术，将允许开发健壮的技术来自动量化系统中的依赖项，并具体解释这些依赖项意思是。
日志{开源软件日志}，
卷{3}，
号{25}，
页{738}，
年{2018}，
doi={https://doi.org/10.21105/joss.00738}
}
basic信息
---------
文档
********
>下载
*****
|
==========================================================>===========================================================================================================================================`contextlib2<；https://contextlib2.readthedocs.io>；`
*`DebtCollector<；https://docs.openstack.org/DebtCollector/>；`
*`networkx<；https://networkx.github.io/>；`
*`numpy<；http://www.numpy.org/>；`|
*`prettytable<；https://code.google.com/archive/p/prettytable/>；`
*`scipy<；https://www.scipy.org/>；`
*`six<；http://pythonhosted.org/six/>；`|
+—————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————分布的随机抽样
*matplotlib，python threental：绘制各种信息论展开式
*numdifftools：优化期间梯度和黑森的数值计算
*pint：将单位添加到信息值中
*scikit learn：熵/互信息估计期间更快的近邻查找从示例
安装
**
最简单的安装方法是：
…代码块：：bash
``编辑``目录，然后安装包：
…代码块：：bash
git克隆https://github.com/dit/dit.git
cd dit
pip安装。
…注意：
windows当前不支持cython扩展。请使用`--nocython``选项安装
。
代码块：：shell
$git clone https://github.com/dit/dit.git
$cd dit
$pip install-r requirements\u testing.txt
$py.test
code and bug tracker
***********
实现的度量值
---------
``dit``实现以下信息度量值。其中大多数是在多元条件的一般性中实现的，这些一般性要么存在于文献中，要么相对明显，例如，尽管文献中没有。多变量条件精确公共信息在这里实现。
+---------------------------+---------------------------+---------------------------+---------------------------+
熵互信息|分歧
*香农熵*协信息*变分距离
|*仁义熵*相互作用信息*库尔贝克-莱布勒散度
*tsallis熵*总相关/相对熵
*必要条件熵|多信息*交叉熵
*剩余熵*双总相关*jensen-shannon散度
独立信息绑定信息|*地球运动距离
信息变化*caekl多元互信息+---------------------------+
+---------------------------++其他测度
|公共信息部分信息分解
*信道容量
*gacs-korner公共信息|*：math:`i{min}`*复杂性配置文件
*wyner公共信息*：math:`i{\wedge}`*连接信息
*精确公共信息*：math:`i{\downarrow}`|*累积剩余熵
*函数公共信息*：数学：`i{proj}`*extropy
*mss公共信息*：数学：`i{broja}`*hypercontractive系数|
+---------------------------+*：数学：`i{ccs}`*信息瓶颈
密钥协议界限*：数学：`i{\pm}`*信息图
||*：math：`i{dep}`*信息修剪
*内部互信息*：math：`i{rav}`*LAUTUM信息
*减少内部互信息||*lmpr复杂性|
*最小内在互信息*信息边际效用
*必要内在互信息*最大关联
*保密能力||*最大熵分布|||*率失真理论|
+--------------------------------+--------------------------------+--------------------------------+
quickstart
-------
dit的基本用法对应于创建发行版，根据需要修改发行版，然后计算属性这些分配。首先，我们
导入：
…代码：：python
>；>import dit
以下是我们如何在
``dit``中表示硬币。
…代码：：python
>；>d=dit.分布（['h'，'t'，'e'，[.4，.4，.2]）
>；>print（d）
类：分布
所有rvs的字母：（'e'，'h'，'t'）
基：线性
结果类：str
结果长度：1
rv名称：无
x p（x）
e 0.2
h0.4
t0.4
代码：：python
>；>d['h']
0.4
>；>d.事件概率（['h'，'t']）
0.8
代码：：python
>；>dit.shannon.entropy（d）
1.5219280948873621
>；>dit.other.extropy（d）
1.1419011889093373
代码：：python
>；>；导入DIT。示例"dists
>；>；d=DIT。示例"dists.xor"（
>；>）；d.设置RV U名称（['x'，'y'，'z']）
>；>；打印（d）
类：分发
字母：（'0'，，'1'）对于所有rvs
基：线性
结果类别：str
结果长度：3
rv名称：（'x'，'y'，'z'）
011 0.25
101 0.25
110 0.25
`` i[y:z]``，和
``i[x，y:z]``.
…代码：：python
>；>；dit.shannon.相互信息（d，['x'，['z']）
0.0
>；>；dit.shannon.相互信息（d，['y'，['z']）
0.0
>；>；dit.shannon.相互信息（d，['x'，'y']，['z']）
1.0
代码：：python
>；>d2=d.marginal（['x'，'z']）
>；>print（d2.to_string（show_mask=true，exact=true））
类：分布
所有rvs的字母表：（'0'，'1'）
基：线性
结果类：str
结果长度：2（掩码：3）
rv名称：（'x'，'z'）
x p（x）
0*01/4
0*11/4
1*01/4
1*11/4
代码：：python
>；>d2.设置基（3.5）
>；>d2.pmf
数组（[-1.10658951，-1.10658951，-1.10658951，-1.10658951，-1.10658951]）
从该分布中随机抽取5个样本。
…代码：：python
>；>dit.math.prng.seed（1）
>；>d2.rand（5）
['01'，'10'，'00'，'01'，'00']
contributions&help
----
或者，更好的是，打开一个拉取请求。理想情况下，所有的代码都应该被测试和记录，但是请不要让这成为一个阻碍贡献的障碍。我们将与您合作，确保所有拉取请求都处于可共享状态。
如果您想联系任何事情，您可以通过我们的'slack channel<；https://dit python.slack.com/>；``uu.
……徽章：
…|构建图像：：https://travis-ci.org/dit/dit.png？branch=master
：目标：https://travis ci.org/dit/dit
：alt:持续集成状态
…| Build_u Windows图像：：https://ci.appveyor.com/api/projects/status/idb5hc5gm59whf8m？svg=true
：目标：https://ci.appveyor.com/project/autoselectic/dit
：alt:连续集成状态（Windows）
…| codecov image：：https://codecov.io/gh/dit/dit/branch/master/graph/badge.svg
：目标：https://codecov.io/gh/dit/dit
：alt:测试覆盖率状态
。|工作服图片：：https://coveralls.io/repos/dit/dit/badge.svg？branch=master
：目标：https://coveralls.io/r/dit/dit？branch=master
：alt：测试覆盖状态
…|文档图片：https://readthedocs.org/projects/dit/badge/？version=latest
：目标：http://dit.readthedocs.org/en/latest/？徽章=最新
：alt：文档状态
…|健康图像：：https://landscape.io/github/dit/dit/master/landscape.svg？style=flat
：目标：https://landscape.io/github/dit/dit/master
：alt:code health
。| deps image：：https://requires.io/github/dit/dit/requirements.svg？branch=master
：目标：https://requires.io/github/dit/dit/requirements/？branch=master
：alt：需求状态
…| zenodo图像：：https://zenodo.org/badge/13201610.svg
：目标：https://zenodo.org/badge/latestdoi/13201610
：alt:doi
……| gitter图像：：https://badges.gitter.im/join%20chat.svg
：目标：https://gitter.im/dit/dit？utm_source=badge&utm_medium=badge
：alt：加入聊天
…| sayThanks图像：：https://img.shields.io/badge/sayThanks.io-%e2%98%bc-1aedb.svg
：目标：https://sayThanks.io/to/autolectic
：alt:说谢谢！
…| depsy image：：http://depsy.org/api/package/pypi/dit/badge.svg
：target:http://depsy.org/package/python/dit
：alt:research software impact
|华夫饼图片：https://badge.waffle.io/dit/dit.png？label=ready&title=ready
：目标：https://waffle.io/dit/dit？utm_source=badge
：alt:stories in ready
。| slack图像：：https://img.shields.io/badge/slack dit--python lightgrey.svg
：目标：https://dit python.slack.com/
：alt:dit chat
| joss图像：：http://joss.theoj.org/papers/10.21105/joss.00738/status.svg
：目标：https://doi.org/10.21105/joss.00738
：alt:joss status
|活页夹图像：：https://mybinder.org/badge.svg
：目标：https://mybinder.org/v2/gh/dit/dit/master？filepath=示例
：alt:run`dit`live！
/>
导论对概率论和统计学来说，量化任意随机变量之间的依赖性
，使其在系统和尺度上具有一致性和可比性。信息论最初是为了量化信息在任意信道中传输的速度和可靠性。现代数据驱动科学的需求一直在协调这些数量和方法，并将其扩展到未知的多变量环境中，在这些环境中，解释和最佳实践是未知的。例如，至少有四种合理的相互信息的多元推广，它们都没有继承标准二元情形的所有解释。最好使用的是上下文相关的。`` dit``
实现了大量的多元信息度量，以使信息
实践者能够研究这些不同度量在各种上下文中的行为和交互。我们希望在一个地方实现所有这些度量和技术，将允许开发健壮的技术来自动量化系统中的依赖项，并具体解释这些依赖项意思是。
日志{开源软件日志}，
卷{3}，
号{25}，
页{738}，
年{2018}，
doi={https://doi.org/10.21105/joss.00738}
}
basic信息
---------
文档
********
>下载
*****
|
==========================================================>===========================================================================================================================================`contextlib2<；https://contextlib2.readthedocs.io>；`
*`DebtCollector<；https://docs.openstack.org/DebtCollector/>；`
*`networkx<；https://networkx.github.io/>；`
*`numpy<；http://www.numpy.org/>；`|
*`prettytable<；https://code.google.com/archive/p/prettytable/>；`
*`scipy<；https://www.scipy.org/>；`
*`six<；http://pythonhosted.org/six/>；`|
+—————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————分布的随机抽样
*matplotlib，python threental：绘制各种信息论展开式
*numdifftools：优化期间梯度和黑森的数值计算
*pint：将单位添加到信息值中
*scikit learn：熵/互信息估计期间更快的近邻查找从示例
安装
**
最简单的安装方法是：
…代码块：：bash
``编辑``目录，然后安装包：
…代码块：：bash
git克隆https://github.com/dit/dit.git
cd dit
pip安装。
…注意：
windows当前不支持cython扩展。请使用`--nocython``选项安装
。
代码块：：shell
$git clone https://github.com/dit/dit.git
$cd dit
$pip install-r requirements\u testing.txt
$py.test
code and bug tracker
***********
实现的度量值
---------
``dit``实现以下信息度量值。其中大多数是在多元条件的一般性中实现的，这些一般性要么存在于文献中，要么相对明显，例如，尽管文献中没有。多变量条件精确公共信息在这里实现。
+---------------------------+---------------------------+---------------------------+---------------------------+
熵互信息|分歧
*香农熵*协信息*变分距离
|*仁义熵*相互作用信息*库尔贝克-莱布勒散度
*tsallis熵*总相关/相对熵
*必要条件熵|多信息*交叉熵
*剩余熵*双总相关*jensen-shannon散度
独立信息绑定信息|*地球运动距离
信息变化*caekl多元互信息+---------------------------+
+---------------------------++其他测度
|公共信息部分信息分解
*信道容量
*gacs-korner公共信息|*：math:`i{min}`*复杂性配置文件
*wyner公共信息*：math:`i{\wedge}`*连接信息
*精确公共信息*：math:`i{\downarrow}`|*累积剩余熵
*函数公共信息*：数学：`i{proj}`*extropy
*mss公共信息*：数学：`i{broja}`*hypercontractive系数|
+---------------------------+*：数学：`i{ccs}`*信息瓶颈
密钥协议界限*：数学：`i{\pm}`*信息图
||*：math：`i{dep}`*信息修剪
*内部互信息*：math：`i{rav}`*LAUTUM信息
*减少内部互信息||*lmpr复杂性|
*最小内在互信息*信息边际效用
*必要内在互信息*最大关联
*保密能力||*最大熵分布|||*率失真理论|
+--------------------------------+--------------------------------+--------------------------------+
quickstart
-------
dit的基本用法对应于创建发行版，根据需要修改发行版，然后计算属性这些分配。首先，我们
导入：
…代码：：python
>；>import dit
以下是我们如何在
``dit``中表示硬币。
…代码：：python
>；>d=dit.分布（['h'，'t'，'e'，[.4，.4，.2]）
>；>print（d）
类：分布
所有rvs的字母：（'e'，'h'，'t'）
基：线性
结果类：str
结果长度：1
rv名称：无
x p（x）
e 0.2
h0.4
t0.4
代码：：python
>；>d['h']
0.4
>；>d.事件概率（['h'，'t']）
0.8
代码：：python
>；>dit.shannon.entropy（d）
1.5219280948873621
>；>dit.other.extropy（d）
1.1419011889093373
代码：：python
>；>；导入DIT。示例"dists
>；>；d=DIT。示例"dists.xor"（
>；>）；d.设置RV U名称（['x'，'y'，'z']）
>；>；打印（d）
类：分发
字母：（'0'，，'1'）对于所有rvs
基：线性
结果类别：str
结果长度：3
rv名称：（'x'，'y'，'z'）
011 0.25
101 0.25
110 0.25
`` i[y:z]``，和
``i[x，y:z]``.
…代码：：python
>；>；dit.shannon.相互信息（d，['x'，['z']）
0.0
>；>；dit.shannon.相互信息（d，['y'，['z']）
0.0
>；>；dit.shannon.相互信息（d，['x'，'y']，['z']）
1.0
代码：：python
>；>d2=d.marginal（['x'，'z']）
>；>print（d2.to_string（show_mask=true，exact=true））
类：分布
所有rvs的字母表：（'0'，'1'）
基：线性
结果类：str
结果长度：2（掩码：3）
rv名称：（'x'，'z'）
x p（x）
0*01/4
0*11/4
1*01/4
1*11/4
代码：：python
>；>d2.设置基（3.5）
>；>d2.pmf
数组（[-1.10658951，-1.10658951，-1.10658951，-1.10658951，-1.10658951]）
从该分布中随机抽取5个样本。
…代码：：python
>；>dit.math.prng.seed（1）
>；>d2.rand（5）
['01'，'10'，'00'，'01'，'00']
contributions&help
----
或者，更好的是，打开一个拉取请求。理想情况下，所有的代码都应该被测试和记录，但是请不要让这成为一个阻碍贡献的障碍。我们将与您合作，确保所有拉取请求都处于可共享状态。
如果您想联系任何事情，您可以通过我们的'slack channel<；https://dit python.slack.com/>；``uu.
……徽章：
…|构建图像：：https://travis-ci.org/dit/dit.png？branch=master
：目标：https://travis ci.org/dit/dit
：alt:持续集成状态
…| Build_u Windows图像：：https://ci.appveyor.com/api/projects/status/idb5hc5gm59whf8m？svg=true
：目标：https://ci.appveyor.com/project/autoselectic/dit
：alt:连续集成状态（Windows）
…| codecov image：：https://codecov.io/gh/dit/dit/branch/master/graph/badge.svg
：目标：https://codecov.io/gh/dit/dit
：alt:测试覆盖率状态
。|工作服图片：：https://coveralls.io/repos/dit/dit/badge.svg？branch=master
：目标：https://coveralls.io/r/dit/dit？branch=master
：alt：测试覆盖状态
…|文档图片：https://readthedocs.org/projects/dit/badge/？version=latest
：目标：http://dit.readthedocs.org/en/latest/？徽章=最新
：alt：文档状态
…|健康图像：：https://landscape.io/github/dit/dit/master/landscape.svg？style=flat
：目标：https://landscape.io/github/dit/dit/master
：alt:code health
。| deps image：：https://requires.io/github/dit/dit/requirements.svg？branch=master
：目标：https://requires.io/github/dit/dit/requirements/？branch=master
：alt：需求状态
…| zenodo图像：：https://zenodo.org/badge/13201610.svg
：目标：https://zenodo.org/badge/latestdoi/13201610
：alt:doi
……| gitter图像：：https://badges.gitter.im/join%20chat.svg
：目标：https://gitter.im/dit/dit？utm_source=badge&utm_medium=badge
：alt：加入聊天
…| sayThanks图像：：https://img.shields.io/badge/sayThanks.io-%e2%98%bc-1aedb.svg
：目标：https://sayThanks.io/to/autolectic
：alt:说谢谢！
…| depsy image：：http://depsy.org/api/package/pypi/dit/badge.svg
：target:http://depsy.org/package/python/dit
：alt:research software impact
|华夫饼图片：https://badge.waffle.io/dit/dit.png？label=ready&title=ready
：目标：https://waffle.io/dit/dit？utm_source=badge
：alt:stories in ready
。| slack图像：：https://img.shields.io/badge/slack dit--python lightgrey.svg
：目标：https://dit python.slack.com/
：alt:dit chat
| joss图像：：http://joss.theoj.org/papers/10.21105/joss.00738/status.svg
：目标：https://doi.org/10.21105/joss.00738
：alt:joss status
|活页夹图像：：https://mybinder.org/badge.svg
：目标：https://mybinder.org/v2/gh/dit/dit/master？filepath=示例
：alt:run`dit`live！
欢迎加入QQ群-->： 979659372
