建站
咨詢
售后
建站咨詢
新聞中心
這里有您想知道的互聯(lián)網(wǎng)營銷解決方案
創(chuàng)新互聯(lián)Python教程：python實現(xiàn)信息熵的計算代碼
1、什么是信息熵？
為吉木乃等地區(qū)用戶提供了全套網(wǎng)頁設計制作服務，及吉木乃網(wǎng)站建設行業(yè)解決方案。主營業(yè)務為成都網(wǎng)站建設、成都網(wǎng)站制作、吉木乃網(wǎng)站設計，以傳統(tǒng)方式定制建設網(wǎng)站，并提供域名空間備案等一條龍服務，秉承以專業(yè)、用心的態(tài)度為用戶提供真誠的服務。我們深信只要達到每一位用戶的要求，就會得到認可，從而選擇與我們長期合作。這樣，我們也可以走得更遠！
1948年香農(nóng)提出了信息熵（Entropy）的概念。
信息理論：
1、從信息的完整性上進行的描述:
當系統(tǒng)的有序狀態(tài)一致時，數(shù)據(jù)越集中的地方熵值越小，數(shù)據(jù)越分散的地方熵值越大。
2、從信息的有序性上進行的描述:
當數(shù)據(jù)量一致時，系統(tǒng)越有序，熵值越低；系統(tǒng)越混亂或者分散，熵值越高。
“信息熵” (information entropy)是度量樣本集合純度最常用的一種指標。
二、python實現(xiàn)信息熵的計算代碼
1、導入庫
import numpy as np import pandas as pd
2、 準備數(shù)據(jù)
data = pd.DataFrame(
{'學歷': ['?？?, '?？?, '專科', '?？?, '專科', '本科', '本科', '本科', '本科', '本科',
'研究生', '研究生', '研究生', '研究生', '研究生'],
'婚否': ['否', '否', '是', '是', '否', '否', '否', '是', '否', '否', '否', '否', '是', '是', '否'],
'是否有車': ['否', '否', '否', '是', '否', '否', '否', '是', '是', '是', '是', '是', '否', '否',
'否'],
'收入水平': ['中', '高', '高', '中', '中', '中', '高', '高', '很高', '很高', '很高', '高', '高',
'很高', '中'],
'類別': ['否', '否', '是', '是', '否', '否', '否', '是', '是', '是', '是', '是', '是', '是', '否']})3、定義信息熵函數(shù)
# 定義計算信息熵的函數(shù)：計算Infor(D) def infor(data): a = pd.value_counts(data) / len(data) return sum(np.log2(a) * a * (-1))
4、數(shù)據(jù)測試
# print(infor(data["學歷"])) #測試結果為: 1.584962500721156
分享標題：創(chuàng)新互聯(lián)Python教程：python實現(xiàn)信息熵的計算代碼
網(wǎng)頁URL：http://www.5511xx.com/article/djeejcg.html
