关于下一节Gini系数公式

Question

老师您好，我在这儿看到Gini系数的公式是如下的
但是在下一节的代码实现中
最后这个return的部分，为什么需要乘上*len(d[k])/float(len(s1))？从公式来看并没有需要用到这个概率呀
谢谢！

Answer 1

途索 2018-11-05 14:17:37

同学你好，公式里count x|y / count y指y条件下x的数量，除上y的数量。getprobss得到的是条件概率，乘上数量len(d[k])就是count x|y，除以s1的数量（就是count y），得解。

• 提问者 奶茶真的不好喝 #1

  老师，如果根据len(d[k])就是count x|y，s1的数量就是count y，那根据公式不应该就是将这个两个数的商平方就行了吗，为什么还要计算条件概率？

• 途索 回复 提问者 奶茶真的不好喝 #2

  同学抱歉，刚才的解答我没看清probss里的内容，解答有误。上面的公式是针对单属性的gini系数，若属性中需要有划分，就要考虑划分后总体的gini系数。举个例子，有五个人，3个双眼皮，2个单眼皮。关于单双眼皮，你可以直接计算一个gini系数。但如果，又知道这五个人里，4个女生2个双眼皮，1个男生单眼皮，那么，划分男生后，可以对单双眼皮算一个gini系数，划分女生后，也可以对单双眼皮计算一个gini系数，而计算总体gini时，就需要对男生的gini乘上1/5，女生的乘上4/5。不纯度可以这么算，其实纯度也可以这么算。这就是上面的含义了。同学学习很认真，为你点赞。

• 提问者 奶茶真的不好喝 回复 途索 #3

  明白了！谢谢老师♪(･ω･)ﾉ

点开查看后面1条评论