决策树

最新推荐文章于 2025-05-27 17:39:28 发布

hasy_qiu

最新推荐文章于 2025-05-27 17:39:28 发布

阅读量377

点赞数

CC 4.0 BY-SA版权

分类专栏：机器学习

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/hasy_qiu/article/details/79234103

机器学习专栏收录该内容

5 篇文章

订阅专栏

博客内容涉及机器学习面试中的一个知识点错误，具体讨论了C4.5决策树算法中信息增益率的正确计算方式，强调信息增益率应是信息增益与特征信息价值（熵的一种形式）的比值，并提供了相关公式。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

昨天看一个机器学习面试材料的时候，发现他把C4.5算法中信息增益率描述为信息增益与之前熵的比值。这个有问题，在周志华书中确认了这一点，即增益率描述的是信息增益与（该特征IV值，其实就是熵）的比值，公式描述如下：

G a i n ( D , a ) I V ( a )

$\frac{Gain(D,a)}{IV(a)}$

I V (a) = - \sum i = 1 n p i l o g 2 p i

$IV(a)=-\sum_{i=1}^{n}p_ilog_2p_i$
昨天突然想到了复习以下gini系数的公式，如下：

G i n i = 1 - \sum i = 1 k p 2 i

$Gini = 1-\sum_{i=1}^kp_i^2$ 其中，

pipi $p_i$ 是类别为i的概率，而

p2ipi2 $p_i^2$ 就代表了抽到两个属于某个同一类别的概率

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。