Maximal Information Coefficient (MIC)最大互信息系数

MIC

我在论文使用MIC来衡量两个基因之间的关联程度，线性或非线性关系，相较于Mutual Information（MI）互信息而言有更高的准确度巴拉巴拉的，按作者的话说总之比其他的方式好。

原文参照：
Detecting Novel Associations in Large Data Sets

相关东西自己看看人家原文，一直觉得人家歪果仁写东西很认真，基础提到，实验充足…英文可以的话，尽量多读读歪果仁写的东西，提升很大…

直接进入主题

---

MIC概念解释

在了解MIC概念之前，你需要知道MI的概念、如何计算，一句话概括：衡量两信息的相似程度，相似程度越高，值越大；反之亦然！至于MI的计算，网上一搜一大堆，自己研究去吧…

先来看看MIC的定义：

一大串公式代表什么意思？有一篇文章介绍这个，忘了出处了！这里借用一下
MIC计算分为三个步骤：

1. 给定i、j，对XY构成的散点图进行i列j行网格化，并求出最大的互信息值
2. 对最大的互信息值进行归一化
3. 选择不同尺度下互信息的最大值作为MIC值

（1） 给定i、j，对XY构成的散点图进行i列j行网格化，并求出最大的互信息值
值得注意的是，给定i和j后，可以得出多种不同的网格化方案。我