声明:《机器学习实战》代码详细注释和重构,以及相关的函数、模块和算法的解释;本文为博主原创文章,未经博主允许不得转载。
计算给定数据集的香农熵(程序清单3-1)
*#代码:Peter Gong_shuai
*#中文注释:Gong_shuai
*#代码重构:Gong_shuai
*#函数注解:Gong_shuai
*#相关的函数、模块和算法的解释:Gong_shuai
*#环境:Python2.7、Sublime Text3、mac代码
#coding=utf-8
#计算给定数据集的香农熵(程序清单3-1)
#源代码:Peter Gong_shuai
#中文注释:Gong_shuai
#代码重构:Gong_shuai
#函数注解:Gong_shuai
#环境:python2.7
from numpy import *
import operator
from os import listdir
from math import log
def createDataSet(): #简单鉴定数据集
dataSet = [[1, 1, 'yes'],
[1, 1, 'yes'],
[1, 0, 'no'],
[0, 1, 'no'],
[0, 1, 'no']]
labels = ['no surfacing','flippers']
#change to discrete values
return dataSet, labels
def calcShannonEnt(dataSet): #计算给定数据集的香农熵
numEntries = len(dataSet) #计算数据集中的实例总数
labelCounts = {} #创建数据字典,其键值是最后一列的数值
for featVec in dataSet: #the the number of unique elements and their occurance。
currentLabel = featVec[-1]
if currentLabel not in labelCounts.keys(): labelCounts[currentLabel] = 0 #如果当前键值不存在,则扩展字典并将当前键值加入字典,
labelCounts[currentLabel] += 1 #每一个键值都记录了当前类别的次数
#使用所有类标签发生的频率计算类别出现的概率,计算香农熵
shannonEnt = 0.0
for key in labelCounts:
prob = float(labelCounts[key])/numEntries
shannonEnt -= prob * log(prob,2) #log base 2
return shannonEnt
# reload(trees)
myDat,labels = createDataSet()
print(myDat)
print(calcShannonEnt(myDat))
- 运行结果
[[1, 1, 'yes'], [1, 1, 'yes'], [1, 0, 'no'], [0, 1, 'no'], [0, 1, 'no']]
0.970950594455
[Finished in 0.3s]