304 lines
15 KiB
Markdown
304 lines
15 KiB
Markdown
# 应用专题 / 数学算法
|
||
|
||
## `cond_entropy_cc(c_x, c_y, k, base)`
|
||
|
||
声明：function
|
||
|
||
获取连续变量与连续变量的条件熵
|
||
|
||
<!-- tags: 查询 机器学习 -->
|
||
|
||
| 参数 | 类型 | 说明 |
|
||
| ------ | ------- | ---------------------------------------------------------------------------------------------------------------------------------------------------------- |
|
||
| `c_x` | array | 一维数字数组，一维连续数据 |
|
||
| `c_y` | array | 一维数字数组，一维连续数据 |
|
||
| `k` | integer | 整数，k-近邻估计的 k 参数，计算当前数据点与距离最近的第 k 个数据点之间距离时使用， 一般来说，k 越小，统计误差越大，系统误差越小，k 越大则相反。通常 k 取 3 |
|
||
| `base` | real | 实数，对数底，取对数时的底数 |
|
||
|
||
返回：real
|
||
|
||
## `cond_entropy_cd(c_x, d_y, k, base)`
|
||
|
||
声明：function
|
||
|
||
获取连续变量与离散变量的条件熵
|
||
|
||
<!-- tags: 查询 机器学习 -->
|
||
|
||
| 参数 | 类型 | 说明 |
|
||
| ------ | ------- | ---------------------------------------------------------------------------------------------------------------------------------------------------------- |
|
||
| `c_x` | array | 一维数字数组，一维连续数据 |
|
||
| `d_y` | array | 一维数字数组，一维离散数据 |
|
||
| `k` | integer | 整数，k-近邻估计的 k 参数，计算当前数据点与距离最近的第 k 个数据点之间距离时使用， 一般来说，k 越小，统计误差越大，系统误差越小，k 越大则相反。通常 k 取 3 |
|
||
| `base` | real | 实数，对数底，取对数时的底数 |
|
||
|
||
返回：real
|
||
|
||
## `cond_entropy_dc(d_x, c_y, k, base)`
|
||
|
||
声明：function
|
||
|
||
获取离散变量与连续变量的条件熵
|
||
|
||
<!-- tags: 查询 机器学习 -->
|
||
|
||
| 参数 | 类型 | 说明 |
|
||
| ------ | ------- | ---------------------------------------------------------------------------------------------------------------------------------------------------------- |
|
||
| `d_x` | array | 一维数字数组，一维离散数据 |
|
||
| `c_y` | array | 一维数字数组，一维连续数据 |
|
||
| `k` | integer | 整数，k-近邻估计的 k 参数，计算当前数据点与距离最近的第 k 个数据点之间距离时使用， 一般来说，k 越小，统计误差越大，系统误差越小，k 越大则相反。通常 k 取 3 |
|
||
| `base` | real | 实数，对数底，取对数时的底数 |
|
||
|
||
返回：real
|
||
|
||
## `cond_entropy_dd(d_x, d_y, base)`
|
||
|
||
声明：function
|
||
|
||
获取离散变量与离散变量的条件熵
|
||
|
||
<!-- tags: 查询 机器学习 -->
|
||
|
||
| 参数 | 类型 | 说明 |
|
||
| ------ | ----- | ---------------------------- |
|
||
| `d_x` | array | 一维数字数组，一维离散数据 |
|
||
| `d_y` | array | 一维数字数组，一维离散数据 |
|
||
| `base` | real | 实数，对数底，取对数时的底数 |
|
||
|
||
返回：real
|
||
|
||
## `cost_complexity_pruning_path(x, y, sample_weight)`
|
||
|
||
声明：function
|
||
|
||
在最小化成本复杂性修剪期间计算修剪路径
|
||
|
||
<!-- tags: 机器学习 -->
|
||
|
||
| 参数 | 类型 | 说明 |
|
||
| --------------- | ----- | --------------------------------------------------------------------------------- |
|
||
| `x` | array | 数组，输入示例，形状（n_samples,n_features） |
|
||
| `y` | array | 数组，目标值（类标签，整数或字符串），形状（n_samples）或（n_samples，n_outputs） |
|
||
| `sample_weight` | array | 数组，样品权重，形状（n_samples） |
|
||
|
||
返回：array
|
||
|
||
## `decision_path(x, check_input)`
|
||
|
||
声明：function
|
||
|
||
返回决策树的决策路径
|
||
|
||
<!-- tags: 机器学习 -->
|
||
|
||
| 参数 | 类型 | 说明 |
|
||
| ------------- | ------- | -------------------------------------------------------- |
|
||
| `x` | array | 数组，输入示例，形状（n_samples,n_features） |
|
||
| `check_input` | boolean | 布尔值，默认为真，允许绕过多个输入检查，一般不使用此参数 |
|
||
|
||
返回：array
|
||
|
||
## `entropy_c(c_x, k, base)`
|
||
|
||
声明：function
|
||
|
||
获取连续变量的熵
|
||
|
||
<!-- tags: 查询 机器学习 -->
|
||
|
||
| 参数 | 类型 | 说明 |
|
||
| ------ | ------- | ---------------------------------------------------------------------------------------------------------------------------------------------------------- |
|
||
| `c_x` | array | 一维数字数组，一维连续数据 |
|
||
| `k` | integer | 整数，k-近邻估计的 k 参数，计算当前数据点与距离最近的第 k 个数据点之间距离时使用， 一般来说，k 越小，统计误差越大，系统误差越小，k 越大则相反。通常 k 取 3 |
|
||
| `base` | real | 实数，对数底，取对数时的底数 |
|
||
|
||
返回：real
|
||
|
||
## `entropy_d(d_x, base)`
|
||
|
||
声明：function
|
||
|
||
获取离散变量的熵
|
||
|
||
<!-- tags: 查询 机器学习 -->
|
||
|
||
| 参数 | 类型 | 说明 |
|
||
| ------ | ----- | ---------------------------- |
|
||
| `d_x` | array | 一维数字数组，一维离散数据 |
|
||
| `base` | real | 实数，对数底，取对数时的底数 |
|
||
|
||
返回：real
|
||
|
||
## `fit(x, y, sample_weight, check_input)`
|
||
|
||
声明：function
|
||
|
||
根据训练集（X，y）建立决策树分类器
|
||
|
||
<!-- tags: 测试集 交叉验证 机器学习 -->
|
||
|
||
| 参数 | 类型 | 说明 |
|
||
| --------------- | ------- | --------------------------------------------------------------------------------------------------------------------------- |
|
||
| `x` | array | 数组，训练输入样本，形状 （n_samples,n_features），n_samples 为训练样本个数，n_features 为特征个数 |
|
||
| `y` | array | 数组，目标值（类标签，整数或字符串），形状（n_samples）或（n_samples，n_outputs） |
|
||
| `sample_weight` | array | 数组，样本权重，形状（n_samples），如果为空（默认），则样本的权重相等。 建立决策树时，导致权重为 0 或者负值的拆分将会被忽略 |
|
||
| `check_input` | boolean | 布尔值，默认为真，允许绕过多个输入检查，一般不使用此参数 |
|
||
|
||
返回：any
|
||
|
||
## `get_depth()`
|
||
|
||
声明：function
|
||
|
||
返回决策树的深度
|
||
|
||
<!-- tags: 查询 机器学习 -->
|
||
|
||
返回：integer
|
||
|
||
## `get_feature_importances_()`
|
||
|
||
声明：function
|
||
|
||
返回特征重要程度数据
|
||
|
||
<!-- tags: 查询 机器学习 -->
|
||
|
||
返回：array
|
||
|
||
## `get_n_leaves()`
|
||
|
||
声明：function
|
||
|
||
返回决策树的叶子数
|
||
|
||
<!-- tags: 查询 机器学习 -->
|
||
|
||
返回：integer
|
||
|
||
## `mi_cc(c_x, c_y, k, base)`
|
||
|
||
声明：function
|
||
|
||
获取连续变量与连续变量的互信息
|
||
|
||
<!-- tags: 查询 机器学习 -->
|
||
|
||
| 参数 | 类型 | 说明 |
|
||
| ------ | ------- | ---------------------------------------------------------------------------------------------------------------------------------------------------------- |
|
||
| `c_x` | array | 一维数字数组，一维连续数据 |
|
||
| `c_y` | array | 一维数字数组，一维连续数据 |
|
||
| `k` | integer | 整数，k-近邻估计的 k 参数，计算当前数据点与距离最近的第 k 个数据点之间距离时使用， 一般来说，k 越小，统计误差越大，系统误差越小，k 越大则相反。通常 k 取 3 |
|
||
| `base` | real | 实数，对数底，取对数时的底数 |
|
||
|
||
返回：real
|
||
|
||
## `mi_cd(c_x, d_y, k, base)`
|
||
|
||
声明：function
|
||
|
||
获取连续变量与离散变量的互信息
|
||
|
||
<!-- tags: 查询 机器学习 -->
|
||
|
||
| 参数 | 类型 | 说明 |
|
||
| ------ | ------- | ---------------------------------------------------------------------------------------------------------------------------------------------------------- |
|
||
| `c_x` | array | 一维数字数组，一维连续数据 |
|
||
| `d_y` | array | 一维数字数组，一维离散数据 |
|
||
| `k` | integer | 整数，k-近邻估计的 k 参数，计算当前数据点与距离最近的第 k 个数据点之间距离时使用， 一般来说，k 越小，统计误差越大，系统误差越小，k 越大则相反。通常 k 取 3 |
|
||
| `base` | real | 实数，对数底，取对数时的底数 |
|
||
|
||
返回：real
|
||
|
||
## `mi_dc(d_x, c_y, k, base)`
|
||
|
||
声明：function
|
||
|
||
获取离散变量与连续变量的互信息
|
||
|
||
<!-- tags: 查询 机器学习 -->
|
||
|
||
| 参数 | 类型 | 说明 |
|
||
| ------ | ------- | ---------------------------------------------------------------------------------------------------------------------------------------------------------- |
|
||
| `d_x` | array | 一维数字数组，一维离散数据 |
|
||
| `c_y` | array | 一维数字数组，一维连续数据 |
|
||
| `k` | integer | 整数，k-近邻估计的 k 参数，计算当前数据点与距离最近的第 k 个数据点之间距离时使用， 一般来说，k 越小，统计误差越大，系统误差越小，k 越大则相反。通常 k 取 3 |
|
||
| `base` | real | 实数，对数底，取对数时的底数 |
|
||
|
||
返回：real
|
||
|
||
## `mi_dd(d_x, d_y, base)`
|
||
|
||
声明：function
|
||
|
||
获取离散变量与离散变量的互信息
|
||
|
||
<!-- tags: 查询 机器学习 -->
|
||
|
||
| 参数 | 类型 | 说明 |
|
||
| ------ | ----- | ---------------------------- |
|
||
| `d_x` | array | 一维数字数组，一维离散数据 |
|
||
| `d_y` | array | 一维数字数组，一维离散数据 |
|
||
| `base` | real | 实数，对数底，取对数时的底数 |
|
||
|
||
返回：real
|
||
|
||
## `predict(x, check_input)`
|
||
|
||
声明：function
|
||
|
||
预测 X 的类别
|
||
|
||
<!-- tags: 预估 机器学习 -->
|
||
|
||
| 参数 | 类型 | 说明 |
|
||
| ------------- | ------- | -------------------------------------------------------- |
|
||
| `x` | array | 数组，输入示例，形状（n_samples,n_features） |
|
||
| `check_input` | boolean | 布尔值，默认为真，允许绕过多个输入检查，一般不使用此参数 |
|
||
|
||
返回：array
|
||
|
||
## `predict_log_proba(x)`
|
||
|
||
声明：function
|
||
|
||
预测输入样本 X 的类对数概率
|
||
|
||
<!-- tags: 预估 机器学习 -->
|
||
|
||
| 参数 | 类型 | 说明 |
|
||
| ---- | ----- | -------------------------------------------- |
|
||
| `x` | array | 数组，输入示例，形状（n_samples,n_features） |
|
||
|
||
返回：array
|
||
|
||
## `predict_proba(x, check_input)`
|
||
|
||
声明：function
|
||
|
||
预测输入样本 X 的类别概率
|
||
|
||
<!-- tags: 预估 机器学习 -->
|
||
|
||
| 参数 | 类型 | 说明 |
|
||
| ------------- | ------- | -------------------------------------------------------- |
|
||
| `x` | array | 数组，输入示例，形状（n_samples,n_features） |
|
||
| `check_input` | boolean | 布尔值，默认为真，允许绕过多个输入检查，一般不使用此参数 |
|
||
|
||
返回：array
|
||
|
||
## `proba_entropy(p, base)`
|
||
|
||
声明：function
|
||
|
||
获取给定概率数据的熵
|
||
|
||
<!-- tags: 查询 机器学习 -->
|
||
|
||
| 参数 | 类型 | 说明 |
|
||
| ------ | ----- | ---------------------------- |
|
||
| `p` | array | 一维数字数组，一维概率数据 |
|
||
| `base` | real | 实数，对数底，取对数时的底数 |
|
||
|
||
返回：real
|