为什么决策树中用熵而不是基尼不纯度来作为划分依据?

  统计/机器学习 特征选择 模型验证    浏览次数:5314        分享
0

决策树通常用熵而不是基尼不纯度来作为划分依据来选择特征,这是为什么?

熵和基尼不纯比有什么明显的优势呢?

 

何立诚   2018-10-15 11:42



   2个回答 
4

熵和基尼相互之间从分类效果上说并没有所谓的优势和劣势,基尼计算起来有优势。

有一篇对它们进行理论比较的文章Theoretical Comparison between the Gini Index and Information Gain Criteria

论文最后的结论是

“We found  that they disagree only in 2%, which explains why most previously published empirical results concluded that it is not  possible to decide which one of the two tests to prefer”

只有2%的情况下,它们两个找到了不同的划分,这也解释了为什么过去的种种实验结果无法判断孰优孰劣了。

SofaSofa数据科学社区DS面试题库 DS面经

蘑菇蘑菇   2018-10-24 13:47

2

并不存在这样的说法。

决策树既可以用熵也可以用基尼,而且本来它们也是很接近的,$p_j$表示样本中标签$j$的占比,样本中一共有$m$中标签,那么

$$\text{熵}=-\sum_{i=1}^m p_j\log p_j$$

$$\text{基尼}=1-\sum_{i=1}^m p^2_j$$

所以我们看出主要的区别就是基尼中把$\log p_j$换成了$p_j$,相比于熵,基尼反而有计算量小的优势(不用算$\log$)。

SofaSofa数据科学社区DS面试题库 DS面经

strong.man   2018-10-16 12:06



  相关讨论

python里怎么计算一个数组的熵(entropy)?

决策树的熵是什么?怎么用熵来选分叉?

求问:Cart分类树为什么是基尼指数最小化准则

离散随机变量的熵满足的不等式如何证明?

softmax模型和最大熵模型是否是一回事?

pytorch 的交叉熵损失总是报错,同样的结构改成MSELoss就没有问题

cross entropy是什么意思?

Gini指数、Gini系数、Gini不纯是一回事吗?

最小描述长度和香农熵有什么关系?

keras里sparse_categorical_crossentropy和categorical_crossentropy什么不同?

  随便看看

除了PCA,还有什么降维的方法?

Resnet-18, Resnet-50, Resnet-101这些模型里的数字是什么意思?

两个凸函数相加,还是凸函数吗?

为什么梯度的反方向是函数下降最快的方向?

假设检验中的p值是什么意思?为什么越小越好?