版权声明:本文为博主原创文章,未经博主允许不得转载。
一、数据下载
- 链接:
- 提取码:
二、问题思考
- 在构建一个决策树模型时,我们对某个属性分割节点,下面四张图中,哪个属性对应的信息增益最大? 答案:A
- A. outlook B. humidity C. windy D. temperature
- 解析:李航的《统计学习方法》中,对信息增益有如下定义:特征 A 对训练数据集 D 的信息增益 g(D,A),定义为集合 D 的 经验熵 H(D) 与 特征 A 给定条件下 D 的经验条件熵 H(D|A) 之差,即 g(D,A) = H(D) - H(D|A)
这一题,我们先计算经验熵 H(D):H(D) = -9/14 * log(9/14) - 5/14 * log(5/14) = 0.6518
- 图一中,经验条件熵 H(D|A) 为:H(D|A) = 5/14 * (-2/5log(2/5)-3/5log(3/5)) + 4/14 (-1log(1)-0) + 5/14 * (-3/5log(3/5)-2/5log(2/5)) = 0.4807
图一的信息增益为:g(D,A) = H(D) - H(D|A) = 0.6518 - 0.4807 = 0.1711
- 图二中,经验条件熵 H(D|A) 为:H(D|A) = 7/14 * (-3/7log(3/7)-4/7log(4/7)) + 7/14 * (-6/7log(6/7)-1/7log(1/7)) = 0.5465
图二的信息增益为:g(D,A) = H(D) - H(D|A) = 0.6518 - 0.5465 = 0.1053
- 图三中,经验条件熵 H(D|A) 为:H(D|A) = 8/14 * (-6/8log(6/8)-2/8log(2/8)) + 6/14 * (-3/6log(3/6)-3/6log(3/6)) = 0.6184
图三的信息增益为:g(D,A) = H(D) - H(D|A) = 0.6518 - 0.6184 = 0.0334
- 图四中,经验条件熵 H(D|A) 为:H(D|A) = 4/14 * (-2/4log(2/4)-2/4log(2/4)) + 6/14 (-4/6log(4/6)-2/6log(2/6)) + 4/14 * (-3/4log(3/4)-1/4*log(1/4)) = 0.6315
图四的信息增益为:g(D,A) = H(D) - H(D|A) = 0.6518 - 0.6315 = 0.0203- 显然,图一 outlook 对应的信息增益最大
版权声明:本文为博主原创文章,未经博主允许不得转载。