知识卡片
基尼度量类别混杂
节点基尼不纯度是 1−Σp²。若按节点类别比例独立抽两次,它等于两次标签不同的概率。纯节点为 0,两类各半为 0.5。分裂时比较各子节点不纯度按样本占比加权后的总量。
[[熵衡量节点类别混杂]]。基尼不纯度和熵提供不同的类别混杂度量。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 7.2.2 决策树分类算法的数学解析 · 查看原书依据
这里的大写“D”同样是表示进行基尼指数计算的集合。基尼指数的计算过程也分为三次四则运算,即相乘、求和,最后用1减去求和的结果。相比信息熵,基尼指数的第一步采取了占比p直接相乘的方法,省略了对数运算,计算更为简单。
参考来源
- 位置:《机器学习算法的数学解析与Python实现》7.2.2 决策树分类算法的数学解析(来源项目 book-source,`extracted/机器学习算法的数学解析与Python实现/_epub-src/OEBPS/text00077.html`)
- 结论依据:本节给出基尼算法及两种极端情况下的结果。
- 原始内容:这里的大写“D”同样是表示进行基尼指数计算的集合。基尼指数的计算过程也分为三次四则运算,即相乘、求和,最后用1减去求和的结果。相比信息熵,基尼指数的第一步采取了占比p直接相乘的方法,省略了对数运算,计算更为简单。