import pandas as pd import numpy as np """ 计算节点的信息熵 传入：标签集(ndarray) 返回：信息熵(float) """ def calcInfoEnt(y): H = 0 if len(y) != 0: # 计算概率(纯度) p = len(y[y == 0]) / len(y) # 计算信息熵(二分类公式) if p != 0 and p != 1: H = -p * np.log2(p) - (1-p) * np.log2(1-p) return H ""&q...

import pandas as pd import numpy as np # 计算节点的信息熵：传入标签集(np.array) def calcInfoEnt(y): H = 0 if len(y) != 0: # 计算概率(纯度) p = len(y[y == 0]) / len(y) # 计算信息熵(二分类公式) if p != 0 and p != 1: # 如果概率为1，直接返回信息熵为0(无混乱程度无需分裂) H = -p * np.log2(p) - (1-p) * np.log2(1-p) return H # 取出数据集 dataSet = pd.read_csv('dat...

import sys def split_string_len(string , length): return [string[i:i+length] for i in range(0 , len(string) , length)] def pad_string_len_char(string , length , chr): return [s.ljust(8, chr) for s in string] str = input() split_result = split_string_len(str , 8) split_result = pad_string_len_char(sp...