Jensen Shannon Divergenz in R

Question

Ich bin neu in R und suchte nach einer Funktion, die JS Divergenz in R berechnet. Ich kann sehen, dass R KLdiv für die Berechnung der KL Divergenz hat, aber gibt es etwas für JS Divergenz?

Answer 1

Laut Wikipedia Jensen-Shannon Divergenz ist eine Transformation der KL-Divergenz. die Formel von der Definition der Anwendung sollten Sie die JS Divergenz dann geben ...

See: http://en.wikipedia.org/wiki/Jensen%E2%80%93Shannon_divergence

Answer 2

Falls jemand noch auf der Suche nach einer Antwort (ich war), gibt es eine Funktion dies in der zur Berechnung R Paket phyloseq: http://www.plosone.org/article/info%3Adoi%2F10.1371%2Fjournal.pone.0061217

ich fand auch dieses Tutorial nützlich: http://enterotype.embl.de/enterotypes.html

Answer 3

ich war für eine einfache Implementierung der JS divergence eher als eine R-Bibliothek suchen. Da ich in keiner der Antworten eine Antwort gefunden habe, habe ich die folgende gefunden.

Angenommen, wir folgende Eingabeverteilungen haben:

# p & q are distributions so their elements should sum up to 1 
p <- c(0.00029421, 0.42837957, 0.1371827, 0.00029419, 0.00029419, 
     0.40526004, 0.02741252, 0.00029422, 0.00029417, 0.00029418) 

q <- c(0.00476199, 0.004762, 0.004762, 0.00476202, 0.95714168, 
     0.00476213, 0.00476212, 0.00476202, 0.00476202, 0.00476202) 

Die Jensen-Shannon Divergenz wäre:

m <- 0.5 * (p + q) 
JS <- 0.5 * (sum(p * log(p/m)) + sum(q * log(q/m))) 
> JS 
[1] 0.6457538 

Seit mehr als zwei Verteilungen (die bereits here diskutiert worden ist) wir brauchen Funktion zur Berechnung der Entropy:

H <- function(v) { 
     v <- v[v > 0] 
     return(sum(-v * log(v))) 
} 

Dann würde die JS Divergenz:

JSD <- function(w, m) { 
    return(H(m %*% w) - apply(m, 2, H) %*% w) 
} 

> JSD(w = c(1/3, 1/3, 1/3), m = cbind(p, q, m)) 
      [,1] 
[1,] 0.4305025 

Wo w ist ein Vektor von Gewichten, die zu 1 summieren müssen und m ist eine Matrix mit den Eingangsverteilungen als Spalten.