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−∑i=1mf2i
- (1)显然基尼不纯度越小,纯度越高,集合的有序程度越高,分类的效果越好;
- (2)基尼不纯度为 0 时,表示集合类别一致;
- (3)基尼不纯度最高(纯度最低)时,
f1=f2=…=fm=1m
,
IG(f)=1−(1m)2×m=1−1m
例,如果集合中的每个数据项都属于同一分类,此时误差率为 0。如果有四种可能的结果均匀地分布在集合中,此时的误差率为 1−0.25=0.75 ;
from collections import Counter
import operator
def calcGini(dataSet):
labelCounts = Counter(sample[-1] for sample in dataSet)
prob = [float(v)/sum(labelCounts.values()) for v in labelCounts.values()]
return 1 - reduce(operator.add, map(lambda x: x**2, prob))
香农熵
Ient(f)=−∑i=1mfilog2fi
from collections import Counter
import operator
import math
def calcEnt(dataSet):
classCount = Counter(sample[-1] for sample in dataSet)
prob = [float(v)/sum(classCount.values()) for v in classCount.values()]
return reduce(operator.add, map(lambda x: -x*math.log(x, 2), prob))