Existe-t-il de toute façon de calculer la corrélation de Pearson ayant des entrées comme tenseurs de theano?

Question

Le paquetage scipy.stats fournit une fonction de calcul du coefficient de Pearson avec un tableau numpy. Mais existe-t-il une bibliothèque avec laquelle nous pouvons passer les tenseurs de theano comme entrée et calculer la corrélation. La fonction Eval() est une option pour convertir les tenseurs en valeurs mais cela n'est pas possible pendant l'exécution d'un code.

Answer 1

La similarité de cosinus centré est la même que la corrélation de Pearson.
En Théano, il peut être calculé comme suit:

a = T.vector(dtype=theano.config.floatX) 
b = T.vector(dtype=theano.config.floatX) 

a_centered, b_centered = a - a.mean(), b - b.mean() 
r_num = T.dot(a_centered, b_centered) 
r_den = T.sqrt(T.dot(a_centered, a_centered) * T.dot(b_centered, b_centered)) 

# written without the dot products for pedagogical reasons 
# r_num = T.sum(a_centered * b_centered) 
# r_den = T.sqrt(T.sum(a_centered ** 2) * T.sum(b_centered ** 2)) 

pearson_corr = r_num/r_den 
pearson_corr_fn = theano.function([a, b], pearson_corr) 

v1 = np.asarray([3, 4, 5, 7], dtype=np.float32) 
v2 = np.asarray([2, 5, 3, 1], dtype=np.float32) 

print pearson_corr_fn(v1, v2)