我是靠谱客的博主 内向小伙,这篇文章主要介绍Wasserstein距离,现在分享给大家,希望可以做个参考。

Wasserstein距离

定义: W ( P 1 , P 2 ) = inf ⁡ γ ∼ ∏ ( P 1 , P 2 ) E ( x , y ) ∼ γ [ ∥ x − y ∥ ] W(P_1,P_2)=inf_{gamma sim prod(P_1,P_2)}E_{(x,y)simgamma}[|x-y |] W(P1,P2)=γ(P1,P2)infE(x,y)γ[xy]

解释:
∏ ( P 1 , P 2 ) prod(P_1,P_2) (P1,P2) P 1 P_1 P1 P 2 P_2 P2分布组合起来的联合分布的集合。对于每一个可能的联合分布 γ gamma γ可以从中采样 ( x , y ) ∼ γ (x,y)sim gamma (x,y)γ得到一个样本 x x x y y y,并且计算这对样本之间的距离 ∥ x − y ∥ | x-y| xy。所以可以计算该联合分布 γ gamma γ下,样本对距离的期望值 E ( x , y ) ∼ γ [ ∥ x − y ∥ ] E(x,y)sim gamma[| x-y|] E(x,y)γ[xy]在所有可能的联合分布中能够对这个期望取到下界 γ ∼ ∏ ( P 1 , P 2 ) inf ⁡ E ( x , y ) ∼ γ [ ∥ x − y ∥ ] gamma sim {prod(P_1,P_2)}_{inf}E_{(x,y)sim gamma}[| x-y|] γ(P1,P2)infE(x,y)γ[xy]就是Wasserstein距离。

通俗理解:EM距离就是衡量了两个部分之间差异的一种计算方法。即把一个分布变换成另一种分布需要的能量。

可能还是比较抽象,用一个通俗的例子来解释:

假如现在有一堆砖P,一个房子设计图Q:
在这里插入图片描述

EM距离:把一堆砖P,修成设计图Q的样子,需要的工资为EM距离
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

最后

以上就是内向小伙最近收集整理的关于Wasserstein距离的全部内容,更多相关Wasserstein距离内容请搜索靠谱客的其他文章。

本图文内容来源于网友提供,作为学习参考使用,或来自网络收集整理,版权属于原作者所有。
点赞(41)

评论列表共有 0 条评论

立即
投稿
返回
顶部