scipy 关于Wasserstein距离W1的输入

zdwk9cvp 于 2023-10-20 发布在其他

关注(0)|答案(1)|浏览(173)

注意：我在https://math.stackexchange.com/questions/4765025/about-the-inputs-of-the-wasserstein-distance-w-1上写了同样的问题，因为我没有得到任何评论或答案，所以我把它贴在这里，因为它可能与堆栈溢出的主题重叠

在数学中，通过使用这两个概率度量P和Q的CDF（或逆CDF）计算两个概率度量P和Q之间的Wasserstein距离W1，即F和G（或F-1和G-1）。
在Python中（请参阅scipy.stats.wasserstein_distance），您使用“*（经验）分布中观察到的值 *”作为输入来计算Wasserstein距离W1。因此：

Python指南中提到的“* 在（经验）分布中观察到的值 *”作为计算W1的输入是什么？我的意思是，他们是指概率密度函数的经验估计，即。直方图，还是经验累积分布函数（eCDF）？
Python中使用的输入如何与两个概率度量P和Q相关？

scipy

来源：https://stackoverflow.com/questions/77060310/about-the-inputs-of-the-wasserstein-distance-w1

1条答案

按热度按时间

8hhllhi21#

不确定SciPy以及它们如何计算Wasserstein距离，我使用Python OT（最优传输）包来计算样本的Wasserstein距离。
在内部，我相信，OT从样本中计算经验CDF，然后将距离作为积分。
示例代码，Python 3.10 Windows x64

import ot
import numpy as np

#%%

tab1 = np.random.normal(2, 1, 1000)
tab2 = np.random.normal(0, 1, 1000)

q = ot.wasserstein_1d(tab1,tab2)
print(q)

打印值约为2
链接到软件包页面https://pythonot.github.io/

赞(0）回复(0）举报 2023-10-20

我来回答

scipy 关于Wasserstein距离W1的输入

1条答案

相关问题

热门标签

最新问答