深圳南园网站建设,网站建设模块下载,访问wordpress的xmlrpc.php,建筑企业网站要简约大气吗计算信息熵的公式#xff1a;n是类别数#xff0c;p(xi)是第i类的概率 假设数据集有m行#xff0c;即m个样本#xff0c;每一行最后一列为该样本的标签#xff0c;计算数据集信息熵的代码如下#xff1a;
from math import logdef calcShannonEnt(dataSet):numEntries … 计算信息熵的公式n是类别数p(xi)是第i类的概率 假设数据集有m行即m个样本每一行最后一列为该样本的标签计算数据集信息熵的代码如下
from math import logdef calcShannonEnt(dataSet):numEntries len(dataSet) # 样本数labelCounts {} # 该数据集每个类别的频数for featVec in dataSet: # 对每一行样本currentLabel featVec[-1] # 该样本的标签if currentLabel not in labelCounts.keys(): labelCounts[currentLabel] 0labelCounts[currentLabel] 1 shannonEnt 0.0for key in labelCounts:prob float(labelCounts[key])/numEntries # 计算p(xi)shannonEnt - prob * log(prob, 2) # log base 2return shannonEnt
