python - 矩阵的所有行对之间的向量化 KL 散度计算

Question

我想找出矩阵的所有行对之间的 KL 散度。为了解释，让我们假设有一个Vshape矩阵N x K。现在我想创建一个L维度矩阵N x N，其中每个元素L[i,j] = KL(V[i,:],V[j,:])。到目前为止，我已经使用以下scipy.stats.entropy来计算

upper_triangle = [entropy(V[i,:],V[j,:]) for (i,j) in itertools.combinations(range(N,2)]
lower_triangle = [entropy(V[j,:],V[i,:]) for (i,j) in itertools.combinations(range(N,2)]

L = np.zeroes((N,N))

L[np.triu_indices(N,k = 1)] = upper_triangle
L[np.tril_indices(N,k = -1)] = lower_triangle

有没有更聪明的方法？

Answer 1

好的，在稍微按摩一下 KL 散度的方程之后，下面的方程也应该起作用，当然，它的幅度更快，

kl = np.dot(V, np.log(Vc).T)
right = kl + kl.T
left = np.tile(np.diag(kl),(kl.shape[0],1))
left = left + left.T
L = left - right