📄 impuritymeasures.java
字号:
/*
* This program is free software; you can redistribute it and/or modify
* it under the terms of the GNU General Public License as published by
* the Free Software Foundation; either version 2 of the License, or
* (at your option) any later version.
*
* This program is distributed in the hope that it will be useful,
* but WITHOUT ANY WARRANTY; without even the implied warranty of
* MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE. See the
* GNU General Public License for more details.
*
* You should have received a copy of the GNU General Public License
* along with this program; if not, write to the Free Software
* Foundation, Inc., 675 Mass Ave, Cambridge, MA 02139, USA.
*/
/**
* Title: XELOPES Data Mining Library
* Description: The XELOPES library is an open platform-independent and data-source-independent library for Embedded Data Mining.
* Copyright: Copyright (c) 2002 Prudential Systems Software GmbH
* Company: ZSoft (www.zsoft.ru), Prudsys (www.prudsys.com)
* @author Sascha Trautzsch
* @author Michael Thess
* @version 1.0
*/
package com.prudsys.pdm.Models.Classification.DecisionTree.Algorithms.GenTree;
/**
* Defines different impurity measures.
*/
public class ImpurityMeasures
{
static final double Rez_log2 = 3.321928094887;
static final double MINDOUBLE = -1.79769313486231570E+308;
static final double DBL_EPSILON = 2.2204460492503131E-16;
static final int FS_InfGain = 0;
static final int FS_InfGain_MC = 1;
static final int FS_GainRatio = 2;
static final int FS_GainRatio_MC = 3;
static final int FS_Chi2 = 4;
static final int FS_Chi2_MC = 5;
static final int FS_Chi2Prob = 6;
static final int FS_Chi2Prob_MC = 7;
static final int FS_Gini = 8;
static final int FS_Gini_MC = 9;
static final int D_InfGain = 0;
static final int D_MDLP = 1;
public ImpurityMeasures()
{
}
/*****************************************************************************
* Funktion: logE *
* *
* Aufrufparameter: double value: Wahrscheinlichkeit p *
* R點kgabeparameter: double: p*ln(p) *
* *
* Beschreibung *
* ============ *
* Berechnet die Funktion p*ln(p). Bei p=0 wird 0.0 im Sine des Grenzwertes *
* p->0 angenommen. *
******************************************************************************/
public static double logE(double value)
{
if (value <= 0.0)
return(0.0);
else
return(value*Math.log(value) / Math.log(2));
}
/*****************************************************************************
* Funktion: log2 *
* *
* Aufrufparameter: double value: Argument f黵 ld-Funktion *
* R點kgabeparameter: double: ld(value) *
* *
* Beschreibung *
* ============ *
* Berechnet die Funktion ld(value). Bei value<=0.0 wird MINDOUBLE im Sine *
* des Grenzwertes p->0 angenommen. Die Berechnung erfolgt durch *
* log2(value)=log(value)/log(2). *
******************************************************************************/
public static double log2r(double value)
{
if (value<=0.0)
return MINDOUBLE;
else
return Math.log(value)*Rez_log2;
}
/*****************************************************************************
* Funktion: NormalDistribution *
* *
* Aufrufparameter: double x: Argument f黵 Normalverteilung *
* R點kgabeparameter: Wert der Normalverteilung *
* *
* Beschreibung *
* ============ *
* Berechnung der Normalverteilung nach Hasting [2]. Der Approximations- *
* fehler ist kleiner 7.5*10E-8. *
******************************************************************************/
public static double NormalDistribution(double x)
{
int i;
double t,f,z,p=0.2316419;
double b[] = {0.0, 0.319381530, -0.356563782, 1.781477937, -1.821255978,
1.330274429 };
t=1.0/(1.0+p*Math.abs(x));
z=Math.exp(-x*x*0.5)/2.506628275;
f=b[5];
for(i=4;i>=0;i--) f=f*t+b[i];
return((x<0) ? f*z :1.0-f*z);
}
/*****************************************************************************
* Funktion: X2Distribution *
* *
* Aufrufparameter: double chi: Argument f黵 Chi-Quadrat-Verteilung *
* R點kgabeparameter: Wert der Normalverteilung *
* *
* Beschreibung *
* ============ *
* Berechnung der Chi-Quadrat-Verteilung [2]. F黵 gro遝 chi-Werte (chi>150) *
* kann durch die Normalverteilung approximiert werden. *
******************************************************************************/
public static double X2Distribution(double chi, int DF)
{
int f1,i,g;
double x,y,sum,t,p;
if(DF<1 || chi<=0.0) return 0.0;
if(chi>150.0) return NormalDistribution(Math.sqrt(2.0*chi)-Math.sqrt(2*DF-1));
f1=(int)(DF+1)/2;
sum=t=1.0;
p=0.0;
for(i=DF;i>=2;i-=2) p+=Math.log((double)i);
x=f1*Math.log(chi)-chi*0.5-p;
y=(DF % 2)>0? Math.sqrt(2.0/(chi*Math.PI)) : 1.0;
g=DF;
do
{
g+=2;
t*=chi/g;
sum+=t;
}
while(t>1.0e-6);
return Math.exp(x)*y*sum;
}
/*****************************************************************************
* Funktion: GetBaseInfo *
* *
* Aufrufparameter: FLine ct[]: Contigenztafel f黵 ein Attribut und *
* die Klasse *
* int splitcount: Anzahl der Attributwerte oder *
* Intervalle *
* R點kgabeparameter: double: BaseInfo im fehlerfreien Fall sonst 0.0 *
* *
* Beschreibung *
* ============ *
* Berechnung der Baseinfo oder Klasseninformation [1]. *
******************************************************************************/
public static double EntropyClassMember(ContTable ct)
{
double entropy = 0.0;
if (ct.sum > 0) {
for (int i = 0; i < ct.getNumberOfClasses(); i++)
entropy = entropy - logE( (double) ct.classNumb[i] / ct.sum );
};
return entropy;
}
/*****************************************************************************
* Funktion: MarshallCorrection *
* *
* Aufrufparameter: FLine ct[]: Contigenztafel f黵 ein Attribut und *
* die Klasse *
* int splitcount: Anzahl der Attributwerte oder *
* Intervalle *
* double Measure: Featureauswahl-Ma⌨️ 快捷键说明
复制代码
Ctrl + C
搜索代码
Ctrl + F
全屏模式
F11
切换主题
Ctrl + Shift + D
显示快捷键
?
增大字号
Ctrl + =
减小字号
Ctrl + -