1.基尼指数:
Gini(p)=∑k=1Kpk(1−pk)\operatorname{Gini}(p)=\sum_{k=1}^{K} p_{k}\left(1-p_{k}\right)Gini(p)=∑k=1Kpk(1−pk)
特征A的条件下,集合D的基尼指数:
GGG in i (D,A)=∣D1∣∣D∣Gini(D1)+∣D2∣∣D∣G(D, A)=\frac{\left|D_{1}\right|}{|D|} \operatorname{Gin} i\left(D_{1}\right)+\frac{\left|D_{2}\right|}{|D|} G(D,A)=∣D∣∣D1∣Gini(D1)+∣D∣∣D2∣G in i(D2)i\left(D_{2}\right)i(D2)
CART算法
转载本文章为转载内容,我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题,欢迎原作者联系我们进行内容更正或删除文章。
提问和评论都可以,用心的回复会被更多人看到
评论
发布评论
相关文章
-
决策树cart算法实战
1、使用决策树预测隐形眼镜类型,隐形眼镜数据集(lenses.csv)是非常著名的数据集,它包含很多患者眼部状况的观察条件以及医生推荐的隐形眼镜类型e
算法 决策树 sklearn 数据 数据集 -
平方误差CART算法(回归树)
【代码】平方误差CART算法(回归树)
算法 回归 数据挖掘 回归树 -
决策树之剪枝原理与CART算法
决策树学习笔记(二)继续关于决策
决策树 数据集 结点