python psi计算_KL散度，PSI，IV值之间的故事

原标题：KL散度，PSI，IV值之间的故事

KL散度，PSI，IV值之间的故事

01

KL散度

KL散度也称KL距离或相对熵。是一个从信息论、熵的角度量化距离的量，但跟一般的距离有不一样的地方。

距离在数学上的定义需满足以下条件：

非负性

同一性

对称性

直递性

KL散度只满足前面两条性质，不是真正意义上的距离，只能

用来评价两分布的差异。第一条的意思是说KL散度>=0，第二条说p与p的KL散度为0，即两个同一分布KL散度为0。但KL散度不满足对称性，即KL(p,q)不等于KL (q,p)。KL散度还用于衡量信息增益，衡量修改了从先验分布q到后验分布p的信息之后带来的信息增益，所以不具有对称性。如果要求对称的KL，例如p,q的对称KL，可以求KL(p,q)和KL(q,p)的平均值。

先看KL散度的公式：

假设有两个分布A和分布B，出现0,1的概率为：

A(0)=3/4,A(1)=1/4

B(0)=1/6,B(1)=5/6

我们就可以计算A和B之间的KL散度为：

=3/4*log((3/4)/(1/6))+1/4*log((1/4)/(5/6))

KL散度的python计算代