特征选择--文本分类： 信息增益
2011-04-08 19:03
309 查看
counts：计数。 记录样本集中每个样本的每个属性的在每个类中出现的加权次数
counts[data.numAttributes()][numValues + 1][numClasses + 1]
m_InfoGains[data.numAttributes]; //记录每个属性的增益值值
for(int i = 0; i < data.numAttributes(); i++)
m_InfoGains[i] = (ContingencyTables.entropyOverColumns(counts[i]) - ContingencyTables.entropyConditionedOnRows(counts[i]))
counts[data.numAttributes()][numValues + 1][numClasses + 1]
m_InfoGains[data.numAttributes]; //记录每个属性的增益值值
for(int i = 0; i < data.numAttributes(); i++)
m_InfoGains[i] = (ContingencyTables.entropyOverColumns(counts[i]) - ContingencyTables.entropyConditionedOnRows(counts[i]))
内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理 
相关文章推荐
- 文本分类特征选择方法之信息增益
- 文本分类入门（十一）特征选择方法之信息增益
- 文本分类入门：特征选择算法之开方检验、信息增益；特征选择与特征权重计算的区别
- 文本分类入门-特征选择方法之信息增益
- 文本分类入门（十一）特征选择方法之信息增益
- 文本分类入门（十一）特征选择方法之信息增益
- 文本分类入门-特征选择方法之信息增益
- 文本分类入门（十一）特征选择方法之信息增益
- 文本分类入门（十一）特征选择方法之信息增益 (转）
- 文本分类入门-特征选择方法之信息增益
- 文本特征选择算法：卡方检验和信息增益
- 【文本分类】 特征抽取之信息增益
- 使用LIBSVM对原始文本语料进行文本分类（二）——特征选择（信息增益方法）
- 计算信息增益，选择特征词
- 特征词选择算法对文本分类准确率的影响（五）
- 特征选择之信息增益
- [教程] 文本分类入门（番外篇）特征选择与特征权重计算的区别
- 特征选择方法-信息增益
- 特征选择方法之信息增益
- 特征选择方法之信息增益