【机器学习】【决策树】用样本集详解：条件熵H(Y|X)的计算过程

最新推荐文章于 2021-12-23 15:24:02 发布

CV_ML_DP

最新推荐文章于 2021-12-23 15:24:02 发布

阅读量4.3k

点赞数 2

分类专栏：人工智能机器学习跟我一起学机器学习 Machine Learning

本文链接：https://blog.csdn.net/u012421852/article/details/79786694

版权

本文详细介绍了如何计算条件熵H(Y|X)，以相亲结果为分类样本空间Y，分别针对身高、房子和性格三个特征X进行计算。样本集包含8个样本，特征包括身高（high, low）、房子（no, yes）和性格（good, bad），分类结果为refuse或agree。通过Python代码展示了条件熵的计算过程。" 132985860,20036292,C++编译错误：无法将boost::filesystem3::path转换为std::string,"['C++开发', 'Boost库', '文件系统', '类型转换']

摘要由CSDN通过智能技术生成

通过此文档如果还不清楚条件熵H(Y|X)的计算过程，请毫不留情地把搬砖扔过来，我愿意接招。

此文章文档下载地址：https://download.csdn.net/download/u012421852/10322178

1. 样本数据集

样本集简介：

样本集有8个example样本

每个样本有3个特征(身高，房子，性格)，1个分类结果refuse或者agree

身高取值范围={high, low}

房子取值范围={no, yes}

性格取值范围={good, bad}

分类标签=相亲结果={refuse,agree}

样本号	X=身高	X=房子	X=性格	Y=相亲结果
1	high	no	good	refuse
2	high	no	good	refuse
3	high	yes	good	agree
4	low	yes	good	agree
5	low	yes	good	agree
6	low	yes	bad	refuse
7	low	yes	bad	refuse
8	low	Yes	Bad