初始化，涉及到使用的变量：

# =============================================================================
# 计算信息量的相关算法
# =============================================================================
import math
import numpy as npclass Cluster:def __init__(self,x,y,sample_weight=None,base=2):# 记录数据集的变量为numpy数组self._x,self._y = x.T,y# 利用样本权重对类别向量计数,self._counters样本各个类别的计数if sample_weight is None:self._counters = np.bincount(self._y)else:self._counters = np.bincount(self._y,weights = sample_weight*len(sample_weight))# 记录样本权重的属性self._sample_weight = sample_weight# 记录中间结果的属性self._con_chaos_cache = self._ent_cache = self._gini_cache = None# 记录对数的底的属性self._base = base

信息熵

定义公式，经验公式

代码：

    # 定义计算信息熵的函数，默认计算整个样本信息熵，self._ent_cache就是样本信息熵# 子样本信息熵需要给出每个类别的数量def ent(self,ent=None,eps = 1e-12):# 如果已经计算过，且调用时没有额外给各类别样本的个数，就直接返回调用结果if self._ent_cache is not None and ent is None:return self._ent_cache_len = len(self._y)# 如果没有给出各类别样本的个数，就是用结构本身的计数器来获取相应的个数if ent is None:ent = self._counters# eps使算法的稳定性更好_ent_cache = max(eps,-sum([_c / _len*math.log(_c / _len,self._base) if _c !=0 else 0 for _c in ent]))# 如果调用时没有给出各个类别样本数量，就将计算的信息熵保存下来if ent is None:self._ent_cache = _ent_cachereturn _ent_cache

基尼系数

定义公式，经验公式

代码：

    # 计算基尼系数,p为各个分类数量def gini(self,p=None):if self._gini_cache is not None and p is None:return self._gini_cache_len = len(self._y)# 如果没有给出各类别样本的个数，就是用结构本身的计数器来获取相应的个数if p is None:p = self._counters_gini_cache = 1-np.sum((p/_len)**2)if p is None:self._gini_cache = _gini_cachereturn _gini_cache

条件熵，条件基尼系数

条件熵定义公式，经验公式

条件基尼系数定义公式，经验公式

代码：

# =============================================================================
#     定义计算H(y|A)和 Gini(y|A)
# =============================================================================def con_chaos(self,idx,criterion="ent",features=None):# 根据不同的准则调用不同的方法, lambda input:outputif criterion == "ent":_meghod = lambda Cluster: Cluster.ent()elif criterion == "gini":_meghod = lambda Cluster: Cluster.gini()# 获取相应纬度的向量，也就是feathure A ,是一个[N]的行向量# data为feature = idx的N个数据的feathureValuedata = self._x[idx]# 如果没有给出该feathure的取值空间，就调用set函数自己算出来# 调用set比较耗时，决策实现尽量传入features# features为该feature的取值空间if features is None:features = set(data)# 获取这个feature下的各个featureValue在data中的位置# 返回的是[featureValue,对应的mask]tmp_labels = [data == feature for feature in features]# 在这个函数里没有使用，记录下来后面会用# [featureValue,对应的它的样本数量]self._con_chaos_cache =[np.sum(_label) for _label in tmp_labels]# 利用mask获取每个featureValue对应的y样本# [featureValue,对应他的y样本]label_lst = [self._y[label] for label in tmp_labels]# 上面的操作就是为了获取mask,从而获取:在feature=idx,取m个不同featureValue# 时，这个时候的x样本和y样本，利用这些样本求信息增益的后半部分# 记录H(y|A)最后计算结果rs =0# 记录每一个featureValue对应的信息增益的后半部分，# 也就是条件不确定度，后面决策树生成会用到chaos_lst =[]for data_label,tar_label in zip(tmp_labels,label_lst):# 获取对应的x样本,mask使用条件row=column,所以需要转置，# 匹配的y样本就是tar_label，名字取得有点问题，应该叫tar_datatmp_data = self._x.T[data_label]if self._sample_weight is None:# 恕我直言这个地方没必要用_meghod，有点炫耀技术，应该可以直接调用吧_chaos = _meghod(Cluster(tmp_data,tar_label,base=self._base))else:_new_weights = self._sample_weight[data_label]_chaos = _meghod(Cluster(tmp_data,tar_label,_new_weights/np.sum(_new_weights),base=self._base))# 计算信息增益外面的那个求和，注意负号在里面计算互信息里计算过了# 把m个featureValue遍历完毕，就计算出了H(y|A)rs +=len(tmp_data)/len(data)*_chaos# 记录各部分条件不确定度，后面决策树生成会用到chaos_lst.append(_chaos)return rs,chaos_lst

信息增益，信息增益比，基尼增益

信息增益

信息增益比

HA(y)H_A(y)HA(y)的定义和经验求法：

可以看出也可以使用熵的函数求解。

基尼增益

代码：

# =============================================================================
#     计算信息增益
# =============================================================================# get_chaos_lst用于控制输出def info_gain(self,idx,criterion="ent",get_chaos_lst=False,features=None):# 依据不同的准则，获取相应的条件不确定度if criterion in ("ent","ratio"):_con_chaos,_chaos_lst =self.con_chaos(idx,"ent",features)_gain = self.ent() - _con_chaos# 我们知道g_ratio(y,A) = g(y,A)/H_A(y)# self._con_chaos_cache :[featureValue,对应的它的样本数量]# H_A(y)如何求？根据他的经验熵公式，只要把[featureValue,对应的它的样本数量]# 带入计算就可以了if criterion == "ratio":_gain /= self.ent(self._con_chaos_cache)elif criterion == "gini":_con_chaos,_chaos_lst =self.con_chaos(idx,"gini",features)_gain = self.gini() - _con_chaosreturn (_gain,_chaos_lst) if get_chaos_lst else _gain

机器学习：信息熵，基尼系数，条件熵，条件基尼系数，信息增益，信息增益比，基尼增益，决策树代码实现（一）相关推荐

AI基础：信息熵、信息增益、信息增益率、基尼指数
给实习生聊到决策树.GBDT,有几个概念这里再用易懂的方式解释下文章目录信息熵条件熵信息增益信息增益率基尼指数信息熵是决策树的基础信息增益-ID3算法构建决策树信息增益率-C4.5算 ...
【机器学习】采用信息增益、信息增益率、基尼指数来建造决策树。
目录一.创建数据集二.构造决策树(诊断是否复发乳腺癌) 1.信息增益生成决策树 (ID3算法) 信息熵信息增益(ID3算法) 2.信息增益率决策树(C4.5) 3.基尼指数(CART算法 - 分 ...
机器学习基础（五十）—— Gini Impurity（基尼不纯度）与香浓熵（Shannon Entropy））
基尼不纯度/香浓熵:衡量集合的无序程度: 基尼不纯度基尼不纯度:将来自集合的某种结果随机应用于某一数据项的预期误差率. IG(f)=∑i=1mfi(1−fi)=∑i=1mfi−∑i=1mf2i=1− ...
决策树（信息熵、增益率、基尼指数）
目录前言一.决策树是什么? 二.实验过程 1.选择数据集中各个决策属性的优先级 1.1信息熵 1.2增益率 1.3基尼指数 2.决策树的构造 2.1创建决策树: 2.2准备数据: 2.3.读取和保 ...
决策树信息熵条件熵基尼系数信息增益信息增益率 CART 随机森林
决策树: 决策树是一种树形结构,树内部每个节点表示一个属性上的测试,每个分支代表一个测试输出,每个叶子节点代表一个分类类别.通过训练数据构建决策树,可以对未知数据进行分类, 上面的决策树深度depth ...
信息熵、条件熵、信息增益、相对熵、交叉熵解析
原文地址:https://www.cnblogs.com/kyrieng/p/8694705.html 1.信息熵 (information entropy) 熵 (entropy) 这一词最初来源于 ...
[机器学习]信息熵信息增益
关于对信息.熵.信息增益是信息论里的概念,是对数据处理的量化,这几个概念主要是在决策树里用到的概念,因为在利用特征来分类的时候会对特征选取顺序的选择,这几个概念比较抽象,我也花了好长时间去理解(自己认 ...
通俗理解信息熵、条件熵、信息增益
转自知乎 https://zhuanlan.zhihu.com/p/26486223 ,https://zhuanlan.zhihu.com/p/26551798 作者:忆臻主页:https://w ...
信息熵和条件熵的计算
目录 1. 信息熵 2. 条件熵 3. 参考文章表1. 目标值为PlayTennis的14个训练样例 Day Outlook Temperature Humidity Wind PlayTennis ...

机器学习：信息熵，基尼系数，条件熵，条件基尼系数，信息增益，信息增益比，基尼增益，决策树代码实现（一）

文章目录

初始化，涉及到使用的变量：

信息熵

定义公式，经验公式

代码：

基尼系数

定义公式，经验公式

代码：

条件熵，条件基尼系数

条件熵定义公式，经验公式

条件基尼系数定义公式，经验公式

代码：

信息增益，信息增益比，基尼增益

信息增益

信息增益比

基尼增益

代码：

机器学习：信息熵，基尼系数，条件熵，条件基尼系数，信息增益，信息增益比，基尼增益，决策树代码实现（一）相关推荐

最新文章

热门文章