Khi nghiên cứu khoảng cách KullbackTHER Leibler, có hai điều chúng ta học được rất nhanh là nó không tôn trọng bất đẳng thức tam giác cũng như tính đối xứng, tính chất bắt buộc của một số liệu.
Câu hỏi của tôi là liệu có bất kỳ số liệu nào của các hàm mật độ xác suất đáp ứng tất cả các ràng buộc của một số liệu hay không .
Tập trung vào mật độ xác suất là tập trung vào đối tượng "sai". Đối với các số liệu, có các số liệu "cổ điển", ví dụ: Lévy (và số liệu Ky Fan liên quan về các biến ngẫu nhiên), Wasserstein cùng với các số liệu gần gũi hơn với KL, ví dụ: phân kỳ Jensen-Shannon . Mặc dù hầu hết bị bỏ qua trong lịch sử, lưu ý rằng trong bài báo gốc của KL , phân kỳ KL thực sự là đối xứng (mặc dù vẫn không phải là một số liệu).
—
Đức hồng y
@cardinal, tốt, tôi không có nhiều trong lĩnh vực này, bạn có thể vui lòng đề xuất đối tượng "đúng" không?
—
Jorge Leitao
JC: Xin lỗi, hộp bình luận trở nên quá nhỏ so với tất cả những gì tôi đang cố gắng để phù hợp với nó. Tôi nên đã xây dựng. Hàm phân phối tích lũy hóa ra là một đối tượng nghiên cứu tổng quát và tự nhiên hơn. :-)
—
hồng y
@cardinal tại sao? ;)
—
Jorge Leitao