决策树(ID3)——用信息增益来划分

对于刚刚开始学习决策树的同学们来说,可能对建立一个决策树有一些疑惑,这篇文章主要是简略的介绍用信息增益来建立一个决策树的简单过程。

文章可能会有一些错误,欢迎大家讨论学习。

1.信息熵

在了解信息增益前,我们必须要清楚信息熵。信息熵的公式        \large E=-\sum P(i)*logP(i)

yes 50
no 60

 

这个分类的信息熵:Info(D)=  \large -\frac{50}{110}*log(\frac{50}{110})-\frac{60}{110}*log(\frac{60}{110})

2.信息增益

用书上的话来说,就是划分之前的信息熵减去划分之后的信息熵。

  • 11
    点赞
  • 48
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值