会外语和做网站,个人律师网站模板,网页设计公司简介代码,网站建设的具体布局西瓜数据集D如下:
编号色泽根蒂敲声纹理脐部触感好瓜1青绿蜷缩浊响清晰凹陷硬滑是2乌黑蜷缩沉闷清晰凹陷硬滑是3乌黑蜷缩浊响清晰凹陷硬滑是4青绿蜷缩沉闷清晰凹陷硬滑是5浅白蜷缩浊响清晰凹陷硬滑是6青绿稍蜷浊响清晰稍凹软粘是7乌黑稍蜷浊响稍糊稍凹软粘是8乌黑稍蜷浊响清晰…西瓜数据集D如下:
编号色泽根蒂敲声纹理脐部触感好瓜1青绿蜷缩浊响清晰凹陷硬滑是2乌黑蜷缩沉闷清晰凹陷硬滑是3乌黑蜷缩浊响清晰凹陷硬滑是4青绿蜷缩沉闷清晰凹陷硬滑是5浅白蜷缩浊响清晰凹陷硬滑是6青绿稍蜷浊响清晰稍凹软粘是7乌黑稍蜷浊响稍糊稍凹软粘是8乌黑稍蜷浊响清晰稍凹硬滑是9乌黑稍蜷沉闷稍糊稍凹硬滑否10青绿硬挺清脆清晰平坦软粘否11浅白硬挺清脆模糊平坦硬滑否12浅白蜷缩浊响模糊平坦软粘否13青绿稍蜷浊响稍糊凹陷硬滑否14浅白稍蜷沉闷稍糊凹陷硬滑否15乌黑稍蜷浊响清晰稍凹软粘否16浅白蜷缩浊响模糊平坦硬滑否17青绿蜷缩沉闷稍糊稍凹硬滑否
即集合D为分类问题,分类瓜的好坏是一个二分类问题,故|y| 2 ,故只存在p1,p2
信息熵为衡量信息混乱程度的量 记好瓜比例为p1,坏瓜比例为p2 1. 若全是好瓜 , 则 p 1 1 , p 2 0 E n t ( D ) − ∑ k 1 ∣ y ∣ p k l o g 2 p k − ( p 1 l o g 2 p 1 p 2 l o g 2 p 2 ) 1 ⋅ l o g 2 ⋅ 1 0 ⋅ l o g 2 ⋅ 0 0 2. 若全是好瓜 , 则 p 1 0 , p 2 1 E n t ( D ) − ∑ k 1 ∣ y ∣ p k l o g 2 p k − ( p 1 l o g 2 p 1 p 2 l o g 2 p 2 ) 0 ⋅ l o g 2 ⋅ 0 1 ⋅ l o g 2 ⋅ 1 0 则完全不混乱为全是好瓜或全是坏瓜 , E n t ( D ) 0 2. 若全是好坏瓜个一半 , 则 p 1 1 2 , p 2 1 2 E n t ( D ) − ∑ k 1 ∣ y ∣ p k l o g 2 p k − ( p 1 l o g 2 p 1 p 2 l o g 2 p 2 ) − ( 1 2 ⋅ l o g 2 ⋅ 1 2 1 2 ⋅ l o g 2 ⋅ 1 2 ) 1 则最混乱为 E n t ( D ) 1 1.若全是好瓜,则p_11,p_20 \\ Ent(D) -\sum\limits _{k1}^{|y|}p_klog_2p_k \\ -(p_1log_2p_1 p_2log_2p_2 ) \\1\cdot log_2\cdot 1 0\cdot log_2\cdot 0 \\0\\ 2.若全是好瓜,则p_10,p_21 \\ Ent(D) -\sum\limits _{k1}^{|y|}p_klog_2p_k \\ -(p_1log_2p_1 p_2log_2p_2 ) \\0\cdot log_2\cdot 0 1\cdot log_2\cdot 1 \\0\\ 则完全不混乱为全是好瓜或全是坏瓜,Ent(D) 0\\ 2.若全是好坏瓜个一半,则p_1\frac12,p_2\frac12 \\ Ent(D) -\sum\limits _{k1}^{|y|}p_klog_2p_k \\ -(p_1log_2p_1 p_2log_2p_2 ) \\-(\frac12\cdot log_2\cdot \frac12 \frac12\cdot log_2\cdot \frac12 )\\1\\ 则最混乱为Ent(D) 1 1.若全是好瓜,则p11,p20Ent(D)−k1∑∣y∣pklog2pk−(p1log2p1p2log2p2)1⋅log2⋅10⋅log2⋅002.若全是好瓜,则p10,p21Ent(D)−k1∑∣y∣pklog2pk−(p1log2p1p2log2p2)0⋅log2⋅01⋅log2⋅10则完全不混乱为全是好瓜或全是坏瓜,Ent(D)02.若全是好坏瓜个一半,则p121,p221Ent(D)−k1∑∣y∣pklog2pk−(p1log2p1p2log2p2)−(21⋅log2⋅2121⋅log2⋅21)1则最混乱为Ent(D)1
当前样本集合D中第k类样本所占比例为pk(k1,2,3,…,|y|),则D的信息熵为: E n t ( D ) − ∑ k 1 ∣ y ∣ p k l o g 2 p k Ent(D) -\sum\limits _{k1}^{|y|}p_klog_2p_k Ent(D)−k1∑∣y∣pklog2pk
信息增益为: G a i n ( D , a ) E n t ( D ) − ∑ v 1 V ∣ D v ∣ ∣ D ∣ E n t ( D v ) Gain(D,a) Ent(D) - \sum\limits _{v1}^V \frac{|Dv|}{|D|}Ent(D^v) Gain(D,a)Ent(D)−v1∑V∣D∣∣Dv∣Ent(Dv)
import math
D [
[青绿,蜷缩,浊响,清晰,凹陷,硬滑,是],
[乌黑,蜷缩,沉闷,清晰,凹陷,硬滑,是],
[乌黑,蜷缩,浊响,清晰,凹陷,硬滑,是],
[青绿,蜷缩,沉闷,清晰,凹陷,硬滑,是],
[浅白,蜷缩,浊响,清晰,凹陷,硬滑,是],
[青绿,稍蜷,浊响,清晰,稍凹,软粘,是],
[乌黑,稍蜷,浊响,稍糊,稍凹,软粘,是],
[乌黑,稍蜷,浊响,清晰,稍凹,硬滑,是],
[乌黑,稍蜷,沉闷,稍糊,稍凹,硬滑,否],
[青绿,硬挺,清脆,清晰,平坦,软粘,否],
[浅白,硬挺,清脆,模糊,平坦,硬滑,否],
[浅白,蜷缩,浊响,模糊,平坦,软粘,否],
[青绿,稍蜷,浊响,稍糊,凹陷,硬滑,否],
[浅白,稍蜷,沉闷,稍糊,凹陷,硬滑,否],
[乌黑,稍蜷,浊响,清晰,稍凹,软粘,否],
[浅白,蜷缩,浊响,模糊,平坦,硬滑,否],
[青绿,蜷缩,沉闷,稍糊,稍凹,硬滑,否]
]
A [色泽,根蒂,敲声,纹理,脐部,触感,好瓜]# 当前样本集合D中第k类样本所占比例为pk(k1,2,3,…,|y|)
# 计算A的信息熵,以数据最后一列为分类
def getEnt(D):# 获取一个类型k-出现次数的mapkMap dict()for dLine in D:# 获取分类值kk dLine[len(dLine) - 1]# 获取当前k出现的次数kNum kMap.get(k)if kNum is None:kMap[k] 1else:kMap[k] kNum 1# 遍历mapdLen len(D)rs 0for kk in kMap:pk kMap[kk]/dLenrs rs pk * math.log2(pk)return -rs# 求信息增益,aIndex为属性列号
def getGain(D,aIndex):dMap dict()for dLine in D:# 获取属性k dLine[aIndex]# 属性所属的数组dChildren dMap.get(k)if dChildren is None:dChildren []dMap[k] dChildrendChildren.append(dLine)rs 0 for key in dMap:dChildren dMap[key]entx getEnt(dChildren)print(entx)r len(dChildren)/len(D) * entxrs rs rreturn getEnt(D) - rs
