欢迎使用copent包

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

这个劳动节，本人发布了用于估计copula熵的Python包 copent 。copula熵是一种为多变量统计相关定义的数学概念[1]，本包实现了copula熵的非参数估计方法，可以不加假设地应用于任何情况。copula熵已被用于关联分析[2]（代替皮尔逊相关系数），图结构学习[3]，变量选择[4]（代替lasso，AIC，BIC，distance correlation，HSIC等），因果发现[5]（通过估计传递熵Transfer Entropy）等等，具体见相应参考文献。

copent包可以pip直接安装：
    pip install copent
其源码在github上共享：
   https://github.com/majianthu/pycopent/

同名R包copent已放在CRAN上，
CRAN: https://cran.r-project.org/package=copent
GITHUB: https://github.com/majianthu/copent/

相关参考文献均已上传至arXiv：
   arxiv.org/a/ma_j_3

希望对大家有所帮助。
------
References
1. Ma Jian, Sun Zengqi. Mutual information is copula entropy. Tsinghua Science & Technology, 2011, 16(1): 51-54. See also arXiv preprint, arXiv:0808.0845, 2008.
2. Ma Jian. Discovering Association with Copula Entropy. arXiv preprint arXiv:1907.12268, 2019.
3. Ma Jian, Sun Zengqi. Dependence Structure Estimation via Copula. arXiv preprint arXiv:0804.4451v2, 2019.
4. Ma Jian. Variable Selection with Copula Entropy. arXiv preprint arXiv:1910.12389, 2019.
5. Ma Jian. Estimating Transfer Entropy via Copula Entropy. arXiv preprint arXiv:1910.04375, 2019.

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏1 回帖

关键词：COPE Open Pen Discovering information 变量选择 因果分析 关联性 相关性

更多关于copula熵的介绍，见下面网址：
http://blog.sciencenet.cn/blog-3018268-978326.html

顶一个！

请教老师，copent能否度量多个时间序列之间的整体相关性呢？ 例如实现下图中类似指标A的作用，衡量多组时间序列在不同时刻的相关性强弱



https://ibb.co/Vxxqf2x

有空下来试试看

python版copent包已更新到0.2.2版本，目前可以

• 估计copula熵，即独立性度量/测试
• 估计传递熵（Transfer Entropy）
• 做条件独立性测试（Conditional independence test）
• 估计熵
• 估计经验copula
  

欢迎使用，并反馈意见。

请问为什么我下载copent一直报错

马博士，您好！我想用copent分析两组时间序列变量的相关性，时间点只有12个，不知道copent是否适用？如果适用，在分析时，怎样替换示例中的参数呢？我是python初学者，还请您指点下

hayley009 发表于 2022-6-1 10:44
马博士，您好！我想用copent分析两组时间序列变量的相关性，时间点只有12个，不知道copent是否适用？如果适 ...

数据太少了，算法会不收敛

马老师您好，我在用copent分析两组数据的转移熵，算的结果有负值，最大值是1.5。1、请问TE一般是非负的，是否可以把负数变成0处理，进行TExy和TEyx比较。2、如果TE_xy>TE_yx，表明是x是y的因。有没有一般的规定，TE多大才能表示因果推断，是值越大，因果越强吗？