首先计算初始数据集的基尼系数: 总样本数为25,其中高风险样本数为10,低风险样本数为15。 总基尼系数为: $$Gini(D) = 1 - \sum_{k=1}^{2}(\frac{|C_k|}{|D|})^2 = 1 - (\frac{10}{25})^2 - (\frac{15}{25})^2 = 0.48$$ 接下来计算按“有无支票账户”特征划分之后的基尼系数: 对于无支票账户: 该组样本数为10,其中高风险样本数为8,低风险样本数为2。 该组基尼系数为: $$Gini(D_1) = 1 - \sum_{k=1}^{2}(\frac{|C_k|}{|D_1|})^2 = 1 - (\frac{8}{10})^2 - (\frac{2}{10})^2 = 0.32$$ 对于有支票账户: 该组样本数为15,其中高风险样本数为2,低风险样本数为13。 该组基尼系数为: $$Gini(D_2) = 1 - \sum_{k=1}^{2}(\frac{|C_k|}{|D_2|})^2 = 1 - (\frac{2}{15})^2 - (\frac{13}{15})^2 = 0.35$$ 按“有无支票账户”特征划分之后的基尼系数为: $$Gini(D,A) = \frac{|D_1|}{|D|}Gini(D_1) + \frac{|D_2|}{|D|}Gini(D_2) = \frac{10}{25} \times 0.32 + \frac{15}{25} \times 0.35 = 0.34$$ 因此,按“有无支票账户”特征划分之后的数据集的总基尼系数为0.34

对于一个贷款申请客户数据集共有25个样本数据集包含有无支票账户和当前欠款总额两个特征样本的目策树模型利用有无支票账户这个特征为当前节点来对数据集进行划分划分结果如下表:无支票账户 有支票账户高风险 8 2低风险 2 13求按有无支票账户划分之后的数据集的总基尼系数要求写出计算过程

原文地址: https://www.cveoy.top/t/topic/fEOm 著作权归作者所有。请勿转载和采集!

免费AI点我,无需注册和登录