Information Gain 计算 python实现

分享关于视觉显著性评估指标的一些代码 分享关于视觉显著性评估指标的一些代码 博客小白兼今年9月准备研一的人工智能小白,第一次发博客,想分享一些之前毕设里用到的视觉显著性评估指标的python代码,包括CC,SIM,AUC,NSS等,要是对大家有一些帮助就最好了。 By:精灵之羽(1032332623)欢迎大神加好友能带飞我呀 代码函数主要有: - 线性相关性(英文全称:Linear Correlation Coeffcent,... 阅读详情



from math import log

def I(*args):
    total = sum(args) + 0.0
    result = 0.0
    for i in args:
        if i == 0:
            result += 0
        else:
            result += i / total * log( i / total, 2)
    return -result

#num表示分类的个数
def E(num, *args):
    if len(args) % num != 0:
        print "Error len(args)"
    result = 0.0
    total = sum(args)
    for x in xrange(len(args) / num):
        k = x * num
        total_up = 0.0 + sum(args[k:k + num])
        result += total_up / total * I(*args[k:k + num])
    return result

def Gain(i, e):
    return i - e

#取个别名
i = I
e = E
g = Gain

if __name__ == "__main__":
    #for example
    print i(9, 5)
    print e(2, 2, 3, 4, 0, 3, 2)




信息增益Information Gain原理与代码实例讲解 引言 信息增益(Information Gain)是信息论和决策树算法中一个重要的概念。它被广泛应用于数据挖掘、特征选择、降维以及机器学习中的决策树构建等领域。信息增益的基本思想是选择能够最大程度减少数据不确定性(即熵)的特征作为分割点,从而提高分类的准确性和效率。 本文旨在深入探讨信息增益的原理,并通过实际代码实例展示其在不同场景下的应用。文 阅读详情

相关推荐

information_gain

information_gain

机器学习|决策树|如何计算信息增益|方法总结

1.计算整体数据集的熵(Initial Entropy) 2.计算在特定属性条件下的条件熵(Conditional Entropy) 3. 计算信息增益(Information Gain)

公众号:快乐变态屋 漂亮大男孩的罗德岛 5396

星网锐捷语音网关密码重置全攻略:两种高效恢复出厂设置方法详解

本文详细解析了星网锐捷语音网关密码重置的两种高效方法,包括通过eth1通用口和eth0管理口的操作步骤。针对不同型号设备,提供硬件连接、Web控制台登录及CRT工具使用的具体指南,帮助用户快速恢复出厂设置并重建语音环境配置。

weixin_28698059的博客 528

决策树的构造

递归结束的条件是:程序遍历完所有划分数据集的属性,或者每个分支下的所有实例都具有相同的分类。的所有分支上,如果某个分支下的数据属于同一类型,则当前无序阅读的垃圾邮件已经正确的划分数据分类,无需进一步对数据集进行分割,如果不属于同一类,则要重复划分数据子集,直到所有相同类型的数据均在一个数据子集内。划分数据集,由于特征值可能多于两个,因此可能存在大于两个分支的数据集划分。第一次划分之后,数据将被向下传递到树分支的下一个节点,在这个节点上,我们可以再次划分数据。如果待分类的事务可能划分在多个分类之中,则符合。

2301_79617030的博客 1361

ECC密码的加密和解密(附带代码实现)

ECC,全称Elliptic Curve Cryptography,是椭圆曲线密码学。这是一种公钥加密技术,其安全性基于椭圆曲线离散对数问题,被广泛应用于信息安全领域。ECC的主要优势在于,相较于RSA和DSA等其他传统的公钥密码体系,它能够在提供相同安全级别的情况下,使用更短的密钥,从而减少计算量和存储空间的需求。例如,一个256位的ECC密钥提供的安全性可以与3072位的RSA密钥或DSA密钥相媲美。ECC的主要应用领域包括SSL安全证书、安全电子邮件、移动设备安全、物联网设备安全等。

xixixi7777的博客 8272

深入解析STM32定时器中央对齐模式3的双中断机制

本文深入解析了STM32定时器中央对齐模式3的双中断机制。该模式在一个PWM周期内,会在计数器到达ARR(上溢)和0(下溢)时各触发一次更新中断,实现更精细的实时控制。文章详细阐述了其工作原理、配置方法,并指导如何在中断服务函数中通过DIR位区分中断来源,同时探讨了其在电机控制、数字电源等场景下的应用优势与CPU负载挑战。

weixin_29164185的博客 493

SVM算法实现手写数字识别(Sklearn实现)

1、Sklearn.svm学习 数据集下载:trainingDigits训练集下载,testDigits测试集下载 详细数据介绍参看:KNN算法实现手写数字识别 2、代码实现 # -*- coding: UTF-8 -*- import numpy as np from os import listdir from sklearn.svm import SV...

分享实践与思考 2万+

Gromacs GPU加速版安装全攻略:从依赖配置到性能优化

本文提供了Gromacs GPU加速版的完整安装与性能优化指南。详细介绍了从编译器、OpenMPI、FFTW到CUDA等关键依赖的配置,手把手指导编译支持CUDA的Gromacs,并深入解析了如何通过调整.mdp参数及平衡MPI与OpenMP线程分配,最大化GPU利用率,从而让分子动力学模拟效率获得数十倍提升。

y9z0a1b的博客 1151

机器学习复习Day6——决策树

关键是占位数别撞上真实下标——-1、3、4、5 都可以,**2 不行**(2 是"独生"特征的下标)。** 数据:10 朵蘑菇、3 个特征(棕色菌盖 / 细长菌柄 / 独生),标签是**可食(1) / 有毒(0)**。- **熵**:全一种 = 0,一半一半 = 1。公式 `-p1·log₂(p1) - (1-p1)·log₂(1-p1)`,`p1` = 可食比例。- `p1` 是 0 或 1 时 `np.log2` 会算出 `-inf`,`0×-inf = nan`,必须 `else` 兜底给 0。

2503_94114317的博客 542

肿瘤基因组分析实战:VAF、MAF、CCF这些指标到底怎么算?(附Python代码示例)

本文通过Python代码示例,详细解析了肿瘤基因组分析中VAF、MAF和CCF三大核心指标的计算逻辑与应用。文章从VCF文件解析入手,逐步演示了变异等位基因频率、次等位基因频率及癌细胞分数的计算方法,并探讨了拷贝数变异对结果的影响及克隆结构推断的实战流程,为生物信息分析提供实用指南。

silver的专栏 1006

微信小程序 - 实现客户支付订单连接小票打印机自动打印订单小票功能,微信小程序如何对接小票打印机自动打印小票,小程序收到新订单的时候可以联动商家打印出小票/单据/标签/发货单/电子面单等(详细教程)

微信小程序调用小票打印机,小程序接单后小票机自动打印订单,微信小程序云开发订单微信支付与小票和标签打印的完整高效流程,如何实现微信订单连接小票打印机并自动接单打印,微信小程序连接打印机打印单据小票打印,微信小程序云开发调用小票打印机实现方案,微信小程序怎么配置小票打印机,微信支付电子小票,外卖小程序实战-接单后小票机自动打印订单,微信小程序连接蓝牙打印小票,打印购物小票,调用小票打印机打印小票,微信订单如何连接小票打印机并实现自动接单打印,实现微信订单连接小票打印机并自动接单打印,微信小程序小票打印机打印教

🏆 前端领域优质创作者 1万+

Information Gain|信息增益

信息增益是决策树中衡量特征对分类贡献的重要指标,它基于熵来评估数据集的不确定性,通过计算分裂前后熵的减少量,反映某个特征对提高分类有序性的作用。信息增益越大,说明该特征越能有效区分数据,提升模型的预测准确性,因此常被选作分裂节点的依据。欢迎来 rn.berlinlian.cn 进行交流。

m0_74462934的博客 975

农作物生长模型:数学建模与实战案例

在本篇博客中,我们介绍了农作物生长模型的基本原理,并结合Matlab代码和实战案例,演示了如何应用数学建模技术进行农作物生长模型的研究与应用。农作物生长模型在农业领域具有重要意义,希望本篇博客能帮助读者更好地理解农作物生长模型的原理和应用,并在实际农业生产中取得更好的效果。

YOLO 2734

信息增益(Information Gain)

信息增益是决策树选择分裂特征的核心指标,通过计算特征分裂前后熵的减少量来评估其分类价值。本文以"耳朵形状"特征为例详细演示了信息增益的计算流程:先计算父节点熵(1),再按特征取值划分样本集并计算子节点熵(尖的0.72,下垂的0.72),最后得到信息增益0.28。对比计算"脸型"特征也得到相同结果。关键点在于特征分裂后子节点加权熵之和越小,说明该特征分类能力越强。决策树选择信息增益最大的特征进行分裂,从而实现最佳分类效果。

StarPrayers.的博客 900

42、InfiniBand技术详解:QP状态机、操作及错误处理

本文深入解析InfiniBand技术中的核心组件QP(Queue Pair)状态机、工作请求处理机制、支持的操作类型及错误处理策略。详细介绍了QP的创建与状态转换流程,包括INIT、RTR、RTS等关键状态,并提供了状态修改的代码示例。文章还探讨了工作请求的发布、资源使用限制、围栏机制以及重试和RNR流程,帮助开发者理解通信可靠性保障机制。此外,涵盖了多播组的应用场景与API使用方法,并对比了用户空间与内核级RDMA API的调用差异,最后给出了实践建议和常见问题解答,为构建高性能分布式系统提供技术指导。

oauth7security的博客 132

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

详解:ID3算法 ― 信息增益 (Information Gain)(初学者)

本文介绍了ID3决策树算法中基于信息增益的特征选择方法。通过计算天气、温度、湿度和有风四个特征对"是否外出打球"分类结果的信息增益,发现天气特征的信息增益最大(0.247),其次是湿度(0.151)、有风(0.048)和温度(0.029)。信息增益衡量了特征减少系统不确定性的能力,数值越大表示该特征对分类决策越重要。因此,在构建决策树时,算法将优先选择信息增益最大的天气特征作为第一个划分节点。

2301_79749195的博客 3440

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/

python get score gain_什么是“熵和信息增益”?(What is “entropy and information gain”?)...

什么是“熵和信息增益”?(What is “entropy and information gain”?)我正在读这本书( NLTK ),令人困惑。 熵被定义为 :熵是每个标签的概率乘以同一标签的对数概率的总和在文本挖掘方面如何应用熵和最大熵 ? 有人可以给我一个简单,简单的例子(视觉)吗?I am reading this book (NLTK) and it is confusing. Ent...

weixin_36082388的博客 166

锂电池充电器电路设计 里面有电路

锂电池充电器电路设计 里面有电路 3.7V升压到5V电路设计。

SIMATIC S7-1200, S7-1500 PID 控制[手册]

SIMATIC S7-1200, S7-1500 PID 控制[手册]

上一篇: Python 随想一些有用feature
下一篇: Python 50行代码实现代理服务器(加强版)
junfeng_feng
博客等级 码龄18年 13粉丝 10原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
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。

余额充值