En théorie des probabilités et en théorie de l'information , la variation d'information , ou distance d'information partagée , mesure la distance entre deux regroupements ( part...
La variation d'information entre les deux partitions est alors la suivante :
.
Cela équivaut à la distance d'information partagée entre les variables aléatoires i et j par rapport à la mesure de probabilité uniforme surdéfini parpour.
Contenu d'information explicite
Nous pouvons reformuler cette définition en des termes qui mettent explicitement en évidence le contenu informationnel de cette métrique.
L'ensemble de toutes les partitions d'un ensemble forme un treillis compact où l'ordre partiel induit deux opérations, la rencontreet la jointure, où le maximumest la partition ne comportant qu'un seul bloc, c'est-à-dire tous les éléments regroupés, et le minimum est, la partition constituée de tous les éléments comme singletons. La rencontre de deux partitionsetest facile à comprendre comme la partition formée par toutes les intersections de paires d'un bloc de,, deet un,, deIl s'ensuit queet.
Définissons l'entropie d'une partitioncomme
,
où. Clairement,etL'entropie d'une partition est une fonction monotone sur le réseau des partitions, au sens où.
Ensuite, la distance VI entreetest donné par
.
La différenceest une pseudo-métrique commen'implique pas nécessairement que. D'après la définition de, c'est.
Si, dans le diagramme de Hasse, nous traçons une arête de chaque partition vers le maximumet lui attribuer un poids égal à la distance VI entre la partition donnée etOn peut interpréter la distance VI comme une moyenne des différences de poids des arêtes par rapport au maximum.
.
PourComme défini ci-dessus, il s'agit d'affirmer que l'information conjointe de deux partitions coïncide avec l'entropie de leur intersection.
et nous avons aussi celacoïncide avec l'entropie conditionnelle de la rencontre (intersection)par rapport à.
Identités
La variation de l'information satisfait
,
oùest l' entropie de, etest une information mutuelle entreetpar rapport à la mesure de probabilité uniforme surCela peut être réécrit comme
La variation de l'information peut également être limitée, soit en termes de nombre d'éléments :
,
Ou, en ce qui concerne un nombre maximal de clusters,:
Inégalité triangulaire
Pour vérifier l'inégalité triangulaire, développer en utilisant l'identitéIl suffit de prouverLe côté droit a une limite inférieure qui n'est rien de moins que le côté gauche.
Meila, M. (2007). « Comparaison de regroupements — une distance basée sur l’information » . Journal of Multivariate Analysis . 98 (5) : 873–895 . doi : 10.1016/j.jmva.2006.11.013 .
Kingsford, Carl (2009). « Notes sur la théorie de l’information » (PDF) 2009 .
Kraskov, Alexander; Harald Stögbauer; Ralph G. Andrzejak; Peter Grassberger (2003). « Clustering hiérarchique basé sur l’information mutuelle ». arXiv : q-bio/0311039 .