Расчет примеси Джини - PullRequest
Новая
       27

Расчет примеси Джини

0 голосов
/ 20 сентября 2018

С https://en.wikipedia.org/wiki/Decision_tree_learning#Gini_impurity у нас есть $ I_G = 1- \ sum_ {i = 1} ^ j p_i ^ 2 $.

Однако с https://www.kaggle.com/batzner/gini-coefficient-an-intuitive-explanation имеем: 

def gini(actual, pred):
    assert (len(actual) == len(pred))
    all = np.asarray(np.c_[actual, pred, np.arange(len(actual))], dtype=np.float)
    all = all[np.lexsort((all[:, 2], -1 * all[:, 1]))]
    totalLosses = all[:, 0].sum()
    giniSum = all[:, 0].cumsum().sum() / totalLosses
    giniSum -= (len(actual) + 1) / 2.
    return giniSum / len(actual)


def gini_normalized(actual, pred):
    return gini(actual, pred) / gini(actual, actual)

Почему эти два разных.Есть ли ссылка на второй код и что каждый из них пытается вычислить?

...