machine-learning - 什么是 Weka 的 InfoGainAttributeEval 公式，用于评估具有连续值的熵？

Question

我正在使用 Weka 的信息增益属性选择功能，并试图弄清楚 Weka 在处理连续数据时使用的特定公式。

我了解熵的常用公式是当数据中的值是离散的时。我知道在处理连续数据时，可以使用微分熵或离散化值。我尝试查看 Weka 对InfoGainAttributeEval的解释，并查看了许多其他参考资料，但找不到任何东西。

也许只有我一个人，但有人知道 Weka 是如何实现这个案例的吗？

谢谢！

score 1 · Accepted Answer

我问过作者 Mark Hall，他说：

它使用 Fayad 和 Irani 的有监督的基于 MDL 的离散化方法。请参阅 javadocs：
http ://weka.sourceforge.net/doc.stable-3-8/weka/attributeSelection/InfoGainAttributeEval.html

您还可以查看离散化方法的此链接：

1 回答 1