数据混淆度的计算方式

面对机器学习的分类问题时，研究数据混淆度所使用的方法主要有两类：1.基于几何统计的角度。2.基于信息论的角度。

几何统计的角度

1. 适用于连续数据集下的数据混淆度指标的算法
（1）最大Fisher判别率F1
F1是待分类的训练数据集当中各个属性的Fisher判别率最大的那个值。

$$f=\frac{(u_1-u_2)^2}{(α_1)^2+(α_2)^2}$$
其中， $u_1,u_2,\alpha_1,\alpha_2$分别指的是类别１和类别２的平均值与方差。上式中的f被定义为属性的特征维数。对于多维属性，选择f值最大的一个来代表F1。F1在一定意义上代表了数据的线性可分性。数值较
高的F1说明训练数据集当中至少有一个属性具有很好的线性可分度，不过，数值较低的F1也并不能够说明数据就一定具有非线性可分性。

（2）各个属性混叠区域的体积F2
该指标是两类条件分布的尾部混叠。对于每个特征，每个类的最大值和最小值，我们可以通过寻找测量这个，然后计算所跨越这两个类的值的范围内归一化的混叠区域的长度，再乘Ｗ从每个特征维度得到的比率，得到测量的混叠区域的体积（归一化的特征空间上的大小）。F2定义如下，假定$max(f_i,C_j),min(f_i,C_j)$为类别$C_j$中属性$f_i$的最大值和最小值，则F2的计算式如下,

$$F2=\prod_i\frac{MINMAX_i-MAXMIN_i}{MAXMAX_i-MINMIN_i}$$
其中，

M