Tom2023-07-09 11:26:54

同学您好~

熵和基尼系数都是量化数据混乱程度的指标。就基尼系数而言，在决策树中，每个属性（数据表中的列）会有一个对应的基尼系数的值，数值越小，代表用该属性分类的不确定性越低，换句话说就是分出来的类越纯粹，分类效果越好。

决策树本质上是按照数据属性一层一层搭建的分类模型。你有了一个新数据后，把新数据的属性放到决策树中一层一层做判断，就能得到数据的分类。

那么在建模的时候，各个属性应该谁在上谁在下呢，或者说按什么样的属性顺序进行划分，才能找到最纯净的分类呢？在此我们引入熵和基尼系数的概念，他俩表示样本集的不纯度，或者说是不确定性。对于每个节点，我们可以计算它所代表的数据的，每个属性的基尼系数，选基尼系数最小的那个属性作为其下层节点。基尼系数的最大值是0.5（可以求导得到），最小值是0，越接近0代表用该节点分类的效果越好，应该首先采用。

在这里不好描述，还有什么不了解的就再来找我~

如果对答案满意，请给我点个赞~ 祝您学习愉快~