机器学习:决策树(基尼系数),,一、基础理解 1)公
机器学习:决策树(基尼系数),,一、基础理解 1)公
一、基础理解
1)公式
k:数据集中样本类型数量;Pi:第 i 类样本的数量占总样本数量的比例2)实例计算基尼系数
3 种情况计算基尼系数:基尼系数的性质与信息熵一样:度量随机变量的不确定度的大小;G 越大,数据的不确定性越高;G 越小,数据的不确定性越低;G = 0,数据集中的所有样本都是同一类别;3)只有两种类别的数据集
x:两类样本中,其中一类样本数量所占全部样本的比例;当 x = 0.5,两类样本数量相等时,数据集的确定性最低;二、使用基尼系数划分节点数据集
1)格式
from sklearn.tree import DecisionTreeClassifierdt_clf = DecisionTreeClassifier(max_depth=2, criterion=‘gini‘)dt_clf.fit(X, y)criterion=‘gini‘:使用 “基尼系数” 方式划分节点数据集;
criterion=‘entropy‘:使用 “信息熵” 方式划分节点数据集;
2)代码实现
导入数据集import numpy as npimport matplotlib.pyplot as pltfrom sklearn import datasetsiris = datasets.load_iris()X = iris.datay = iris.target
封装函数:
split():划分数据集;gini():计算数据集的基尼系数;try_split():寻找最佳的特征、特征值、基尼系数;from collections import Counterfrom math import logdef split(X, y, d, value): index_a = (X[:, d] <= value) index_b = (X[:, d] > value) return X[index_a], X[index_b], y[index_a], y[index_b]def gini(y): counter = Counter(y) res = 1.0 for num in counter.values(): p = num / len(y) res += -p**2 return resdef try_split(X, y): best_g = float(‘inf‘) best_d, best_v = -1, -1 for d in range(X.shape[1]): sorted_index = np.argsort(X[:,d]) for i in range(1, len(X)): if X[sorted_index[i-1], d] != X[sorted_index[i], d]: v = (X[sorted_index[i-1], d] + X[sorted_index[i], d]) / 2 x_l, x_r, y_l, y_r = split(X, y, d, v) g = gini(y_l) + gini(y_r) if g < best_g: best_g, best_d, best_v = g, d, v return best_g, best_d, best_v
第一次划分
best_g, best_d, best_v = try_split(X, y)X1_l, X1_r, y1_l, y1_r = split(X, y, best_d, best_v)gini(y1_l)# 数据集 X1_l 的基尼系数:0.0gini(y1_r)# 数据集 X1_r 的基尼系数:0.5
# 判断:数据集 X1_l 的基尼系数等于 0,不需要再进行划分,;数据集 X1_r 需要再次进行划分;
第二次划分
best_g2, best_d2, best_v2 = try_split(X1_r, y1_r)X2_l, X2_r, y2_l, y2_r = split(X1_r, y1_r, best_d2, best_v2)gini(y2_l)# 数据集 X2_l 的基尼系数:0.1680384087791495gini(y2_r)# 数据集 X2_l 的基尼系数:0.04253308128544431
# 判断:数据集 X2_l 和 X2_r 的基尼系数不为 0,都需要再次进行划分;
三、信息熵 VS 基尼系数
信息熵的计算比基尼系数慢原因:计算信息熵 H 时,需要计算一个 log(P),而基尼系数只需要计算 P2;因此,scikit-learn 中的 DecisionTreeClassifier() 类中,参数 criterion = ‘gini‘,默认选择基尼系数的方式进行划分节点数据集;大多数时候,二者没有特别的效果优劣;机器学习:决策树(基尼系数)
相关内容
- python+opencv读取视频,调用摄像头,,引用import c
- Deepin 安装Geany后,配置Python3 运行Python文件,终端界面
- Python-图像处理库PIL图像变换transpose和transforms函数,,
- 编写装饰器实现python请求错误重试功能,,在做接口自动
- Python 项目转.so动态库,python.so动态库,最近, 作者遇到一
- python open with读写编辑文件,pythonopen,题目分析:把grad
- python第三方库PrettyTable使用实例,,一、简介Pretty
- ReferenceError: weakly-referenced object no longer exists Python k
- Python操作腾讯云CVM,python腾讯cvm,一、背景客户有需求在
- python ——钟表,,1、表盘 1 fro
评论关闭