如何计算连续特征的信息增益

Question

如果我没有任何离散值，我在寻找信息增益的正确参数方面遇到了问题，因此我首先需要将这些点离散化为间隔。

我有什么：

我正在进行图像处理，我的功能可能在0-255范围内。对于一些训练数据，我可以定义一些间隔（仅定义“是对象或不是对象”）。如果goods是匹配点的间隔数，则为bads标记其环境。我会用

这样计算

此案例的信息收益：

，其中

结果和想法：

出于某种原因，我最终得到了一个否定 IG，这是一个安静的废话，但我没有看到错误。另一个想法是，不计算good的对象匹配间隔，而是计算适合任何良好间隔的good中的样本。

有人有想法吗？

Answer 1

我不知道你之前和之后（或P和Q）发行的内容。

你有什么改变从一种情况到另一种情况吗？目前还不清楚。

查看Python Linked List

似乎好+坏代表了整个发行。

所以你需要做一些改变，从一个（好的，坏的）转到另一个（好的，坏的）。

然后您正确应用公式 - 或按照示例

你的公式好像搞砸了。