第二次划分之后右上角的蓝色区域已经全部是绿点了，为什么gini（y2_l）和gini（y2_r）都不为零？

Question

第一次划分之后左边区域全部是红点，所以gini（y1_l）=0. 这样理解有问题吗？

Answer 1

liuyubobobo 2019-01-10 15:37:42

第一次划分后左侧的那堆点之所以基尼系数为0，因为全部划分在了左侧。所以是1 - 1^2 = 0。你的理解没有问题。

关于第二次划分，之所以gini(y2_l)和gini(y2_r)都不为零，是因为这个数据不够好。有两个相邻很近的数据，可视化的时候出现了偏差。其实上下两部分都有两个类的数据分布的。由于我们先绘制右下部分，再绘制右上部分，使得有一个点盖过了另一个点，看起来好像右上角全部是一个类别。但其实我们稍微修改一下绘制顺序，就会看到，右上角其实有一个另一个类别的点。代码如下：

我之前的回答有误。gini系数是按照一个节点（表现在图示中，就是一个分区）其中不同类别的数量进行计算的。抱歉！：）

继续加油！：）

但是第二次划分以后，右上部分虽然全部是绿色，但是绿色的点同时也分布在了右下部分。假设右上和右下绿色点占比是90%和10%（只是举例子），那么计算方法是 1 - 0.9^2 - 0.1^2 ：）

• 提问者 伊利札洛夫 #1

  bobo老师 我还是没明白.  这里pi的主体是分区还是颜色呢？
  如果是分区，右上分区只有一种颜色； 如果是颜色，红色都在右下区域里。 
  为什么会出现 gini（y2_l）和gini（y2_r）都不是0呢？

• liuyubobobo 回复 提问者 伊利札洛夫 #2

  抱歉，我之前的回答有误。这个数据不很好，导致产生了“错觉”，我修改了原答案：）继续加油！：）

• 提问者 伊利札洛夫 #3

  非常感谢bobo老师！  这样确实就清晰了，道理不难，之前确实被数据误导了

点开查看后面2条评论