欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

Python計算信息熵實例

 更新時間:2020年06月18日 11:01:25   作者:Mr.Jcak  
這篇文章主要介紹了Python計算信息熵實例,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧

計算信息熵的公式:n是類別數(shù),p(xi)是第i類的概率

假設(shè)數(shù)據(jù)集有m行,即m個樣本,每一行最后一列為該樣本的標(biāo)簽,計算數(shù)據(jù)集信息熵的代碼如下:

from math import log
 
def calcShannonEnt(dataSet):
  numEntries = len(dataSet) # 樣本數(shù)
  labelCounts = {} # 該數(shù)據(jù)集每個類別的頻數(shù)
  for featVec in dataSet: # 對每一行樣本
    currentLabel = featVec[-1] # 該樣本的標(biāo)簽
    if currentLabel not in labelCounts.keys(): labelCounts[currentLabel] = 0
    labelCounts[currentLabel] += 1 
  shannonEnt = 0.0
  for key in labelCounts:
    prob = float(labelCounts[key])/numEntries # 計算p(xi)
    shannonEnt -= prob * log(prob, 2) # log base 2
  return shannonEnt

補充知識:python 實現(xiàn)信息熵、條件熵、信息增益、基尼系數(shù)

我就廢話不多說了,大家還是直接看代碼吧~

import pandas as pd
import numpy as np
import math
## 計算信息熵
def getEntropy(s):
  # 找到各個不同取值出現(xiàn)的次數(shù)
  if not isinstance(s, pd.core.series.Series):
    s = pd.Series(s)
  prt_ary = pd.groupby(s , by = s).count().values / float(len(s))
  return -(np.log2(prt_ary) * prt_ary).sum()
## 計算條件熵: 條件s1下s2的條件熵
def getCondEntropy(s1 , s2):
  d = dict()
  for i in list(range(len(s1))):
    d[s1[i]] = d.get(s1[i] , []) + [s2[i]]
  return sum([getEntropy(d[k]) * len(d[k]) / float(len(s1)) for k in d])

## 計算信息增益
def getEntropyGain(s1, s2):
  return getEntropy(s2) - getCondEntropy(s1, s2)

## 計算增益率
def getEntropyGainRadio(s1, s2):
  return getEntropyGain(s1, s2) / getEntropy(s2)

## 衡量離散值的相關(guān)性
import math
def getDiscreteCorr(s1, s2):
  return getEntropyGain(s1,s2) / math.sqrt(getEntropy(s1) * getEntropy(s2))

# ######## 計算概率平方和
def getProbSS(s):
  if not isinstance(s, pd.core.series.Series):
    s = pd.Series(s)
  prt_ary = pd.groupby(s, by = s).count().values / float(len(s))
  return sum(prt_ary ** 2)
######## 計算基尼系數(shù)
def getGini(s1, s2):
  d = dict()
  for i in list(range(len(s1))):
    d[s1[i]] = d.get(s1[i] , []) + [s2[i]]
  return 1-sum([getProbSS(d[k]) * len(d[k]) / float(len(s1)) for k in d])
## 對離散型變量計算相關(guān)系數(shù),并畫出熱力圖, 返回相關(guān)性矩陣
def DiscreteCorr(C_data):
  ## 對離散型變量(C_data)進行相關(guān)系數(shù)的計算
  C_data_column_names = C_data.columns.tolist()
  ## 存儲C_data相關(guān)系數(shù)的矩陣
  import numpy as np
  dp_corr_mat = np.zeros([len(C_data_column_names) , len(C_data_column_names)])
  for i in range(len(C_data_column_names)):
    for j in range(len(C_data_column_names)):
      # 計算兩個屬性之間的相關(guān)系數(shù)
      temp_corr = getDiscreteCorr(C_data.iloc[:,i] , C_data.iloc[:,j])
      dp_corr_mat[i][j] = temp_corr
  # 畫出相關(guān)系數(shù)圖
  fig = plt.figure()
  fig.add_subplot(2,2,1)
  sns.heatmap(dp_corr_mat ,vmin= - 1, vmax= 1, cmap= sns.color_palette('RdBu' , n_colors= 128) , xticklabels= C_data_column_names , yticklabels= C_data_column_names)
  return pd.DataFrame(dp_corr_mat)

if __name__ == "__main__":
  s1 = pd.Series(['X1' , 'X1' , 'X2' , 'X2' , 'X2' , 'X2'])
  s2 = pd.Series(['Y1' , 'Y1' , 'Y1' , 'Y2' , 'Y2' , 'Y2'])
  print('CondEntropy:',getCondEntropy(s1, s2))
  print('EntropyGain:' , getEntropyGain(s1, s2))
  print('EntropyGainRadio' , getEntropyGainRadio(s1 , s2))
  print('DiscreteCorr:' , getDiscreteCorr(s1, s1))
  print('Gini' , getGini(s1, s2))

以上這篇Python計算信息熵實例就是小編分享給大家的全部內(nèi)容了,希望能給大家一個參考,也希望大家多多支持腳本之家。

相關(guān)文章

  • Python中斷言Assertion的一些改進方案

    Python中斷言Assertion的一些改進方案

    python中的斷言Assertion使用起來很方便,但是也不盡如人意的地方,所以這篇文章通過幾個方面對Python中的斷言進行了改進,感興趣的朋友們可以參考借鑒,下面來一起看看吧。
    2016-10-10
  • python在linux中輸出帶顏色的文字的方法

    python在linux中輸出帶顏色的文字的方法

    這篇文章主要介紹了python在linux中輸出帶顏色的文字的方法,僅在Linux系統(tǒng)中有效果,一般輸出在控制臺中,本文用在日志環(huán)節(jié),方便測試,需要的朋友可以參考下
    2014-06-06
  • python使用tensorflow深度學(xué)習(xí)識別驗證碼

    python使用tensorflow深度學(xué)習(xí)識別驗證碼

    這篇文章主要介紹了python使用tensorflow深度學(xué)習(xí)識別驗證碼,小編覺得挺不錯的,現(xiàn)在分享給大家,也給大家做個參考。一起跟隨小編過來看看吧
    2018-04-04
  • Python的Bottle框架的一些使用技巧介紹

    Python的Bottle框架的一些使用技巧介紹

    這篇文章主要介紹了Python的Bottle框架的一些使用技巧,文中用代碼舉例介紹了這些技巧用到的特性,需要的朋友可以參考下
    2015-04-04
  • python中的腳本性能分析

    python中的腳本性能分析

    這篇文章主要介紹了python中的腳本性能分析,具有很好的參考價值,希望對大家有所幫助。如有錯誤或未考慮完全的地方,望不吝賜教
    2022-11-11
  • python實戰(zhàn)練習(xí)做一個隨機點名的程序

    python實戰(zhàn)練習(xí)做一個隨機點名的程序

    讀萬卷書不如行萬里路,只學(xué)書上的理論是遠遠不夠的,只有在實戰(zhàn)中才能獲得能力的提升,本篇文章手把手帶你用Python實現(xiàn)一個隨機點名的程序,大家可以在過程中查缺補漏,提升水平
    2021-10-10
  • 只用40行Python代碼就能寫出pdf轉(zhuǎn)word小工具

    只用40行Python代碼就能寫出pdf轉(zhuǎn)word小工具

    今天咱們介紹一個pdf轉(zhuǎn)word的免費小工具,滿足這么一個不常見但是偶爾會出來煩人的需求文中有非常詳細(xì)的代碼示例,對小伙伴們很有幫助,需要的朋友可以參考下
    2021-05-05
  • Python實現(xiàn)判斷變量是否是函數(shù)方式

    Python實現(xiàn)判斷變量是否是函數(shù)方式

    這篇文章主要介紹了Python實現(xiàn)判斷變量是否是函數(shù)方式,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教
    2024-02-02
  • 如何使用python iter方法讀取文件

    如何使用python iter方法讀取文件

    iter()是Python的內(nèi)置函數(shù),用于生成迭代器,允許逐個訪問元素,節(jié)省內(nèi)存使用,iter()可以應(yīng)用于文件對象,實現(xiàn)逐行讀取,此外,iter()還可以與自定義結(jié)束標(biāo)記結(jié)合使用,適用于處理固定塊數(shù)據(jù)讀取,相較于其他文件讀取方法,iter()方法簡單高效,適合處理大文件,減少內(nèi)存占用
    2024-10-10
  • 用60行代碼實現(xiàn)Python自動搶微信紅包

    用60行代碼實現(xiàn)Python自動搶微信紅包

    這篇文章主要介紹了用60行代碼實現(xiàn)Python自動搶微信紅包,文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
    2021-02-02

最新評論