如何在 sklearn 中获得基尼系数答案

【问题标题】：How can I get Gini Coefficient in sklearn如何在 sklearn 中获得基尼系数
【发布时间】：2020-01-08 21:10:58
【问题描述】：

我想在 sklearn 包中，找到一类路径上每个特征的基尼系数例如在虹膜数据中。如 Iris-virginica 花瓣长度 gini：0.4 ，花瓣宽度 gini：0.4.

【问题讨论】：

你能发布你想找到基尼的数据吗？
from sklearn import datasets iris = datasets.load_iris() u 可以使用此码下载资料

【解决方案1】：

你可以像这样用 Python+numpy 计算基尼系数：

from typing import List
from itertools import combinations

import numpy as np

def gini(x: List[float]) -> float:
    x = np.array(x, dtype=np.float32)
    n = len(x)
    diffs = sum(abs(i - j) for i, j in combinations(x, r=2))
    return diffs / (2 * n**2 * x.mean())

【讨论】：

这是我见过的 Python 中最好的 Gini 实现之一 :-D。我喜欢它，因为那里有很多替代公式，但如果你环顾四周，这是你会在文献中看到的最一致和一致的基尼公式。问题是这个公式很难实现，而这里只有 4 行代码。做得好！！ A+
我可能说得太早了。我将其与其他一些工作（stackoverflow.com/questions/39512260/…）进行了比较，我想知道您是否在这里过度估计了 n。我们希望平均绝对差异，您的 n 是 > 您计算的平均绝对差异的数量（据我所见）。