算法
文章平均质量分 73
oracle85
这个作者很懒,什么都没留下…
展开
-
决策树算法笔记3-使用信息增益比的好处C4.5
from math import logimport operatorfrom matplotlib.font_manager import FontPropertiesimport matplotlib.pyplot as pltimport copy"""函数说明:计算给定数据集的经验熵(香农熵)Parameters: dataSet:数据集Returns: shannonEnt:经验熵Modify: 2018-03-12"""def calcShanno原创 2021-03-23 16:20:58 · 549 阅读 · 1 评论 -
决策树算法笔记2-信息增益与信息增益比
决策树算法笔记-信息增益与信息增益比条件熵信息增益信息增益比条件熵条件熵H ( Y ∣ X ) ,表示在已知随机变量X的条件下,随机变量Y的不确定性程度。随机变量X给定的条件下,随机变量Y的条件熵H(Y|X)。H(Y∣X)=∑x∈Xp(x)∗H(Y∣X=x) H(Y∣X) = ∑_{x∈X}p(x)*H(Y∣X=x) H(Y∣X)=x∈X∑p(x)∗H(Y∣X=x)举个例子,有下面这么一组数据。#分类属性labels=[‘年龄’,‘有工作’,‘有自己的房子’,‘信贷情况’]yearsOl原创 2021-03-23 15:57:58 · 2542 阅读 · 0 评论 -
决策树算法笔记1-信息熵
二元信源的信息熵entropy二元信源:相当于一个二进制的一bit,只有0和1两种可能。如果0的概率:P那么1的概率:Q=1-P信息熵H(U) =−Plog2P−(1−P)log2(1−P)-P log_2P-(1-P) log_2 (1-P)−Plog2P−(1−P)log2(1−P)比赛冠军的信息熵32 个球队进行比赛,那么冠军花落谁家 所蕴含的信息熵是多少?假如每个球队夺冠几率均等,那么信息熵H(U) = 32∗(1/32∗log232) 32*(1/32..原创 2021-03-15 18:21:27 · 762 阅读 · 0 评论 -
四心圆马蹄形隧道画法
<div id="CanvasWrap" style=" background:#fff; width: 600px; height: 600px; border: 1px solid black;"></div><script src="complexNum.js"></script><script src="complexConst.js"></script><script src="angleUtils.js">原创 2021-03-12 11:21:24 · 1897 阅读 · 0 评论