1. 实现
香农熵又称信息熵,反映了一条信息的信息量大小和它的不确定性之间的关系,是信息量的度量,单位为 bit。
对于某件事情:
- 不确定性越大,熵越大,确定该事所需的信息量也越大;
- 不确定性越小,熵越小,确定该事所需的信息量也越小。
假设有一事件XX,XX事件有ii种可能性,每一种可能性发生的概率记为P(Xi)P(Xi),则香农熵的计算公式为:
2. python代码实现:
计算给定数据集的香农熵
def calsShannonEnt(dataSet):
numEntries = len(dataSet)
labelCounts = {}
for dataVec in dataSet:
label = dataVec[-1]
if label not in labelCounts.keys():
labelCounts[label] = 0
labelCounts[label] += 1
shannonEnt = 0.0
for key in labelCounts.keys():
prob = float(labelCounts[key]) / numEntries
shannonEnt -= prob * math.log(prob, 2)
return shannonEnt
if __name__ == "__main__":
print("Code Run As A Program")