基尼指数（Gini Impurity）的理解和计算

一、基尼指数的概念

基尼指数（Gini不纯度）表示在样本集合中一个随机选中的样本被分错的概率。
注意：Gini指数越小表示集合中被选中的样本被参错的概率越小，也就是说集合的纯度越高，反之，集合越不纯。当集合中所有样本为一个类时，基尼指数为0.

二、基尼指数的计算公式

基尼指数的计算公式为：

三、计算示例

我们分别来计算一下决策树中各个节点基尼指数：

以下excel表格记录了Gini指数的计算过程。

我们可以看到，GoodBloodCircle的基尼指数是最小的，也就是最不容易犯错误，因此我们应该把这个节点作为决策树的根节点。在机器学习中，CART分类树算法使用基尼指数来代替信息增益比，基尼指数代表了模型的不纯度，基尼指数越小，不纯度越低，特征越好。这和信息增益（比）相反。