Wasserstein distance(EM距离)
Wasserstein distance(EM距离)
一、总结
一句话总结:
①、Wasserstein 距离又叫Earth-Mover距离(EM距离),用于衡量两个分布之间的距离,
②、定义:$$W ( P _ { 1 } , P _ { 2 } ) = \inf _ { \gamma \sim \Pi ( P _ { 1 } , P _ { 2 } ) } E _ { ( x , y ) \sim y } [ \| x - y \| ]$$
③、$$\Pi ( P _ { 1 } , P _ { 2 } )$$ 是A和P2分布组合起来的所有可能的联合分布的集合。
1、KL散度?
A)、KL散度是用于衡量分布之间的差异程度的,又称为相对熵、信息增益。
B)、概率分布P1和P2的KL散度为:$$KL ( P _ { 1 } \| P _ { 2 } ) = E _ { x \sim P _ { 1 } } \log \frac { P _ { 1 } } { P _ { 2 } } = \int _ { x } P _ { 1 } ( x ) \log \frac { P _ { 1 } } { P _ { 2 } } d x$$
二、Wasserstein distance(EM距离)
转自或参考:Wasserstein distance(EM距离)
https://blog.csdn.net/sunny0121/article/details/80562975
版权申明:欢迎转载,但请注明出处
一些博文中有一些参考内容因时间久远找不到来源了没有注明,如果侵权请联系我删除。
在校每年国奖、专业第一,加拿大留学,先后工作于华东师范大学和香港教育大学。
2024-09-05:27岁,宅加太忙,特此在网上找女朋友,vx:fan404006308
AI交流资料群:753014672