計算資訊熵的公式：n是類別數，p(xi)是第i類的概率

假設資料集有m行，即m個樣本，每一行最後一列為該樣本的標籤，計算資料集資訊熵的程式碼如下：

from math import log
 
def calcShannonEnt(dataSet):
  numEntries = len(dataSet) # 樣本數
  labelCounts = {} # 該資料集每個類別的頻數
  for featVec in dataSet: # 對每一行樣本
    currentLabel = featVec[-1] # 該樣本的標籤
    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 實現資訊熵、條件熵、資訊增益、基尼係數

我就廢話不多說了，大家還是直接看程式碼吧~

import pandas as pd
import numpy as np
import math
## 計算資訊熵
def getEntropy(s):
  # 找到各個不同取值出現的次數
  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])

## 計算資訊增益
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)

## 衡量離散值的相關性
import math
def getDiscreteCorr(s1,s2) / math.sqrt(getEntropy(s1) * getEntropy(s2))

# ######## 計算概率平方和
def getProbSS(s):
  if not isinstance(s,by = s).count().values / float(len(s))
  return sum(prt_ary ** 2)
######## 計算基尼係數
def getGini(s1,[]) + [s2[i]]
  return 1-sum([getProbSS(d[k]) * len(d[k]) / float(len(s1)) for k in d])
## 對離散型變數計算相關係數，並畫出熱力圖,返回相關性矩陣
def DiscreteCorr(C_data):
  ## 對離散型變數(C_data)進行相關係數的計算
  C_data_column_names = C_data.columns.tolist()
  ## 儲存C_data相關係數的矩陣
  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係數
      temp_corr = getDiscreteCorr(C_data.iloc[:,i],C_data.iloc[:,j])
      dp_corr_mat[i][j] = temp_corr
  # 畫出相關係數圖
  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'])
  s2 = pd.Series(['Y1','Y1','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計算資訊熵例項就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支援我們。