决策树中的熵、条件熵、信息增益和Gini指数计算示例_信息熵 信息增益 薪资增益率 gini系数公式 计算实例

信息

首先我们从什么是信息来着手分析：

$$I_{(X=x_i)}=-lo{g}_{2}p(x_i)$$

$I(x)$用来表示随机变量的信息，$p(x_i)$指是当$xi$发生时的概率。

熵

在信息论和概率论中熵是对随机变量不确定性的度量,与上边联系起来，熵便是信息的期望值：

$H_{(D)}={\sum }_{i=1}^{n}p(x_i)I(x_i)=-{\sum }_{i=1}^{n}p(x_i)lo{g}_{2}p(x_i)$

$x_i$表示第$i$类。

熵只依赖X的分布，和X的取值没有关系，熵是用来度量不确定性，当熵越大，概率说X=xi的不确定性越大，反之越小，在机器学期中分类中说，熵越大即这个类别的不确定性更大，反之越小，当随机变量的取值为两个时，熵随概率的变化曲线如下图：

当p=0或p=1时，H§=0,随机变量完全没有不确定性，当p=0.5时，H§=1,此时随机变量的不确定性最大

条件熵

条件熵是用来解释信息增益而引入的概念，概率定义：随机变量X在给定条件下随机变量Y的条件熵，对定义描述为：X给定条件下Y的条件概率分布的熵对X的数学期望，在机器学习中为选定某个特征后的熵，公式如下：

$H_{(Y|X)}={\sum }_{x}p(x)H_{(Y|X=x)}$

这里可能会有疑惑，这个公式是对条件概率熵求期望，但是上边说是选定某个特征的熵，没错，是选定某个特征的熵，因为一个特征可以将待分类的事物集合分为多类，即一个特征对应着多个类别，因此在此的多个分类即为X的取值。

信息增益

公式

信息增益在决策树算法中是用来选择特征的指标，信息增益越大，则这个特征的选择性越好，在概率中定义为：待分类的集合的熵和选定某个特征的条件熵之差（这里只的是经验熵或经验条件熵，由于真正的熵并不知道，是根据样本计算出来的），公式如下：

$I{G}_{(Y|X)}=H_{(Y)}-H_{(Y|X)}$

注意：这里不要理解偏差，因为上边说了熵是类别的，但是在这里又说是集合的熵，没区别，因为在计算熵的时候是根据各个类别对应的值求期望来等到熵。

计算

训练数据集合D，|D|为样本容量，即样本的个数（D中元素个数），设有K个类Ck来表示，|Ck|为Ci的样本个数，|Ck|之和为|D|，k=1，2…，根据特征A将D划分为n个子集D1，D2…Dn，|Di|为Di的样本个数，|Di|之和为|D|,i=1,2,…,记Di中属于Ck的样本集合为Dik,即交集，|Dik|为Dik的样本个数，算法如下：

输入：D，A

输出：信息增益g(D,A)

1. D的经验熵$H_{(D)}$: $H_{(D)}=-{\sum }_{k=1}^K\frac{C_k}{D}lo{g}_2\frac{C_k}{D}$

   此处的概率计算是根据古典概率计算，由于训练数据集总个数为|D|，某个分类的个数为|Ck|，在某个分类的概率，或说随机变量取某值的概率为：|Ck|/|D|

   . 选定A的经验条件熵$H_{(D/A)}$ $H_{(D/A)}={\sum }_{i=1}^n\frac{D_i}{D}{H}_{(D_i)}$ = $-{\sum }_{i=1}^n\frac{D_i}{D}{\sum }_{k=1}^K\frac{D_{ik}}{D_i}lo{g}_2\frac{D_{ik}}{D_i}$

   此处的概率计算同上，由于|Di|是选定特征的某个分类的样本个数，则|Di|/|D|,可以说为在选定特征某个分类的概率，后边的求和可以理解为在选定特征的某个类别下的条件概率的熵，即训练集为Di，交集Dik可以理解在Di条件下某个分类的样本个数，即k为某个分类，就是缩小训练集为Di的熵

2. 信息增益： $g_{(D,A)}=H_{(D)}-H_{(D|A)}$

Gini指数

定义：假设有K个类，样本点属于第k类的概率为$p_k$

公式：

$Gini(p)={\sum }_{k=1}^K{p}_k\ast (1-p_k)=1-{\sum }_{k=1}^K{p_k}^2$

对于数据集D:

$Gini(D)=1-{\sum }_{k=1}^K(\frac{C_k}{D}{)}^2$

对于特征A将D划分成$D_1$和$D_2$，则

$Gin{i}_{(D,A)}=\frac{D1}{D}Gini(D_1)+\frac{D_2}{D}Gini(D_2)$

• Gini最小为0，此时表示所有样本都被分到了一类，效果最好。
• Gini最大时，$p_k$都是0.5，效果最差

计算示例

1. 熵

   $H_{(D)}=-{\sum }_{i=1}^{n}p(x_i)lo{g}_{2}p(x_i)$

   $=-(\frac{2}{5}log\frac{2}{5}+\frac{3}{5}log\frac{3}{5})$

   $=0.971$

   当样本按照特征A的值a划分成两个独立的子数据$集D1$和$D2$时，此时整个数据集D的熵分为两个独立数据集$D1$的熵和$D2$的熵的加权和，即：

   $H_{(D)}=\frac{D_1}{D}{H}_{(D_1)}+\frac{D_2}{D}{H}_{(D_2)}$

   若特征A为“是否用鳃呼吸”划分数据，则数据D的信息熵为：

   $H_{(D)}=\frac{3}{5}{H}_{(D_1)}+\frac{2}{5}{H}_{(D_2)}$

   $=-[\frac{3}{5}(\frac{2}{3}log\frac{2}{3}+\frac{1}{3}log\frac{1}{3})+\frac{2}{5}(1log1)]$

   $=0.551$

2. 信息增益

   由上述的划分可以看出，在划分后的数据集D的信息熵减小了，对于给定的数据集，划分前后信息熵的减少量称为信息增益(information gain)，即：

   $I{G}_{(D,A)}=H_{(D)}-{\sum }_{p=1}^P\frac{D_p}{D}{H}_{(D_p)}$

   $ = 0.971−0.551$
   $ = 0.44 $

3. 信息增益率

   $IG{r}_{(D,A)}=\frac{I{G}_{(D,A)}}{H_A(D)}$

   其中$H_A(D)$为，对于样本集合D将特征A作为随机变量（取值是特征A的各个特征值），求得的经验熵。

   $$H_A(D)=-\sum _{i=1}^n\frac{D_i}{D}log\frac{D_i}{D}$$

   $$=-[\frac{3}{5}log\frac{3}{5}+\frac{2}{5}log\frac{2}{5}]=0.971$$

$$IG{r}_{(D,A)}=\frac{0.44}{0.971}=0.453$$

4. Gini指数

   对于数据集D $Gin{i}_{(D)}=1-[(\frac{2}{5}{)}^2+(\frac{3}{5}{)}^2]$

   特征A划分后 $Gin{i}_{(D,A)}=\frac{3}{5}\ast [1-[(\frac{2}{3}{)}^2+(\frac{1}{3}{)}^2]]+\frac{2}{5}\ast [1-1^2]=0.627$