Machine learning 二阶逐点互信息中计算β的错误

我遵循了这条规则，但我的结果与论文中的结果不符

当n=9时，segma=0.7，f（W1）=11

论文中的结果为beta1=6，我的结果为1.67 这是怎么回事

---

谁知道这个算法，这里的beta是指什么

你发表的论文的算法有点错误，所以你不应该依赖它。与本文中的示例一起尝试以下内容：

---

请在文章中发布参考或链接，以及代码链接，以便人们能够帮助理解问题所在。我这里的问题是数学问题，了解此算法的人可以帮助我了解这里所指的测试版内容？您的问题更适合我。或者可能。但不是关于StackOverflow，因为它不是一个特定的编程问题（在实现的意义上），也可能是标签本身所暗示的。[不客气；）]我有这篇论文，我也有同样的问题，我找不到beta到底指的是什么？并试图得到结果，但我在论文中不能得到相同的结果，尽管我遵循了论文中的welllog指的是自然日志的规则。因此，为了得到与本文相同的结果，go:beta1=（ln（ft（W1））^2*（log2（n））/delta=（ln（car）的频率））^2*（log2（43））/0.7=（ln（6））^2*（log2（43））/0.7=24.88谢谢，我现在尝试了，并得到了结果，但是帖子中的例子呢？结果应该是什么？至于beta1指的是什么——它只是一个变量，用你刚才提到的公式计算。在漫游示例中，该公式用于计算beta1的值。然后在演练示例的最后一步中，该值用于计算最终相似度。您链接的论文似乎有错误。结果应该是beta1=（ln（11））^2*（log2（9））/0.7=26.04。