今天看到了一个实现了js距离 jesson shannon distance 的代码
其中 sum(_p * log(_p/_q) for (_p,_q) in zip(p,q) if _p!=0)这个代码写的特别好，其实就是公式：
zip(p,q)的作用是将两个向量两两匹配成为元祖，zip(p,q)={(p1,q1),(p2,q2),...,(pn,qn)}
sum(_p * log(_p/_q) for (_p,_q) in zip(p,q) if p!=0) 的意思就是：
\sum{i=1}^{n}p_i\text{log}\frac{p_i}{q_i}
Paste_Image.png
from math import log
from numpy import array
class JSD:
def KLD(self,p,q):
if 0 in q :
raise ValueError
return sum(_p * log(_p/_q) for (_p,_q) in zip(p,q) if _p!=0)
def JSD_core(self,p,q):
M = [0.5*(_p+_q) for _p,_q in zip(p,q)]
return 0.5*self.KLD(p,M)+0.5*self.KLD(q,M)
#********Test*******
p = [2,3,4,1,1]
q = [3,3,2,1,0]
jsd = JSD()
print jsd.JSD_core(p,q)
print jsd.JSD_core(q,p)
