假设给定了一个数据集为
dataSet = [[1,1,‘yes’],
[1,1,‘yes’],
[1,0,‘no’],
[0,1,‘no’],
[0,1,‘no’]]
如果需要进行构建决策树,首先要计算label 为yes 与no的信息熵, 信息熵的公式https://zhuanlan.zhihu.com/p/20794583, 代码构成为
from math import log #我们要用到对数函数,所以我们需要引入math模块中定义好的log函数(对数函数)
```python
from math import log
def calcShannonEnt(dataSet):
numEntries = len(dataSet) #
labelCounts = {} # 计算数据集中数据的个数,这里总共有五条数据。
for featVec in dataSet:#通过对数据集进行循环
currentLabel = featVec[-1] # 找到最后一列为标签项 yes或者no
if currentLabel not in labelCounts.keys():#如果这一行数据没有在lebelCounts保存,则为0
labelCounts[currentLabel] = 0
labelCounts[currentLabel] += 1 #
# 0:{"yes":1} 1:{"yes":2} 2:{"no":1} 3:{"no":2} 4:{"no":3}
shannonEnt = 0.0
for key in labelCounts:
prob = float(labelCounts[key]) / numEntries # 计算概率
# 以2为底求对数
shannonEnt -= prob * log(prob, 2) # 递减求和得熵
return shannonEnt
# 手动计算: Ent = -0.4*log(2,0.4)-0.6*log(2,0.6)
# Ent_mannual = -(0.4 * log(0.4,2)) - (0.6 * log(0.6,2))
# print(Ent_mannual)