问题标签 [gini]

我正在尝试计算 R 中的基尼指数。计算二叉决策树的基尼指数没有问题，如下所示。

现在我想计算具有三个节点（多路拆分）的决策树的基尼指数。
我得到了下表：

Car Class
0 0
0 1
1 0
1 0
2 1

是否可以计算 R 中 car 列（具有三个节点）的基尼指数？
是否也可以计算三个以上具有相同功能的节点的基尼指数？

我想以基尼系数作为优化函数来计算简单的神经网络模型。这是我的 gini 函数：

这就是我编译模型的方式：

我总是收到此错误“ValueError：不支持任何值。”，谁能告诉我我的错误是什么？

我有一个包含超过 125 个变量的庞大数据集。

我正在应用 CART（分类和回归树）。我缺少的是所有可能的第一次拆分的列表，以及引用的 gini 值（如果您在 SAS 中应用 CART，则默认情况下您会成为这样的列表）。

有人知道如何成为这样的名单吗？

最好的问候，并感谢您的帮助，

塞缪尔

我正在尝试在我的数据框上计算 R 中的 Blau 多样性指数（gini-simpson）。我为一个组中的每个人设置了 6 列，值范围为“学生”、“教师”、“校友”、“不适用”。如果组小于 6，则列内也有 NA。

我想计算不在每列内的行（整个组的多样性）的 Blau 索引，na.rm = TRUE。

有谁知道如何在 R 中做到这一点？

非常感谢！

有关数据框的图片，请参见此处

这是 Python 中基尼系数的简单实现，来自https://stackoverflow.com/a/39513799/1840471：

如何调整它以将权重数组作为第二个向量？这应该采用非整数权重，所以不要仅仅通过权重来炸毁数组。

例子：

根据https://stackoverflow.com/a/48981834/1840471，这是 Python 中加权基尼系数的实现：

这很干净，适用于中型阵列，但正如其最初的建议 ( https://stackoverflow.com/a/39513799/1840471 ) 中所警告的那样，它是 O(n ² )。在我的计算机上，这意味着它会在 ~20k 行后中断：

这可以调整为适用于更大的数据集吗？我的是~150k行。

我试图找到 R 函数来计算 R 中的基尼系数和 AUC。我找到了包ROCR和MLmetrics. 通常您可以通过以下方式在 AUC 和 Gini 之间切换

基尼= 2 AUC -1

在以下示例中，这适用于 2 个解释变量的情况，但不适用于只有一个变量的情况。

这是包装中的缺陷吗？

会话信息是：

R 版本 3.4.3 (2017-11-30) 平台：x86_64-w64-mingw32/x64 (64-bit) 运行于：Windows 7 x64 (build 7601) Service Pack 1

矩阵产品：默认

语言环境：[1] LC_COLLATE=German_Austria.1252 LC_CTYPE=German_Austria.1252 [3] LC_MONETARY=German_Austria.1252 LC_NUMERIC=C [5] LC_TIME=German_Austria.1252

附加的基础包：[1] stats graphics grDevices utils
datasets methods base

其他附加包：[1] MLmetrics_1.1.1 ROCR_1.0-7
gplots_3.0.1

通过命名空间加载（未附加）：[1] compiler_3.4.3
tools_3.4.3 KernSmooth_2.23-15 gdata_2.18.0 [5] caTools_1.17.1 bitops_1.0-6 pacman_0.4.6 gtools_3.5.0

我已经使用以下代码来获得随机森林的准确性平均下降

我通过上述过程创建了以下数据框

我可以通过 BBB$%IncMSE 和 BBB$IncNodePurity 获得第二列和第三列。我想根据未命名的第一列对 thsi 进行子集化。我无法做到这一点。将此数据帧写入 csv 文件时，它可以工作，并且所有三列都单独列出。但是，我无法将前两列分开。有什么办法可以做到这一点并重命名第一列。将感谢任何提供帮助的人

我在二元分类问题上使用决策树算法，目标是最大限度地减少分类的误报（最大化positive predicted value）（诊断工具的成本非常高）。

有没有办法引weight入基尼系数/熵分裂标准来惩罚误报错误分类？

例如，修改后的基尼指数为：

因此我想知道是否有任何方法可以在 Scikit-learn 中实现它？

编辑

玩弄class_weight产生了以下结果：

绘制决策边界和树蓝色为正（1）：

在超过少数阶级（或更珍贵）的同时：

dt_100 = tree.DecisionTreeClassifier(max_depth=2, class_weight={1:100})

假设我有一个N个人样本和一个随机变量X，代表他们的外币年收入。的一个例子X可能如下：

现在我应该“采样” 3个“有序”子组中的20组件X（不需要相同数量的组件），以便它们（大约）具有相同的基尼系数。

提醒一下基尼系数：只需计算每个收入占总收入的百分比（例如p1=1500/(1500+1100+...), p2=1100/(1500+1100+...), ..., p20=100/(1500+1100+...)），然后是累积百分比值（例如c1=0+p1, c2=p1+p2, ..., c20=p19+p20=1），然后计算下面的面积累积 ( A=(c1+...+c20-0.5)/(20)-0.5) ，因此是基尼系数G=2*A。

这可以通过蛮力轻松完成：将样本一分为三，计算三个样本的基尼系数，并尝试从/移到中间样本的上下分量，以确定基尼系数的差异是改善还是恶化。但是，手动完成非常耗时（例如在 Excel 上），尤其是当我有一个非常大的数据集时。

我怀疑有一个更优雅的解决方案。我对Python和都持开放态度R。

附加细节 输出将是这样的：X

对于G, 三个子组的实际基尼系数