分布之间的正交性

Question

我正在实施决策树算法并尝试使用正交性来衡量拆分的质量。我的理解是我将正交性计算为：

1−cosθ(Pi,Pj)

其中i为拆分前的数据分区，j为拆分后的分区。 Pi 和 Pj 是每个分区中每个目标值的概率向量。

我已经实现了以下内容，但我不确定我是否正确解释了它。我有 6 个 classes，向量 1 在 class 1 中占 66%，在 class 2 中占 33%，在剩余的 class 中占 none。向量 2 和 3 具有相同的分布 (40%, 10%,10%,20%,10%,10%)

import numpy as np

def calculate_orthogonality(vector_1, vector_2):

    dot_product = np.dot(vector_1, vector_2)
    orthogonality = 1 - np.cos(dot_product)

    return orthogonality

vector1 = [0.6666666666666666, 0.3333333333333333, 0, 0, 0, 0]
vector2 = [0.4, 0.1, 0.1, 0.2, 0.1, 0.1]
vector3 = [0.4, 0.1, 0.1, 0.2, 0.1, 0.1]

print(calculate_orthogonality(vector1,vector2))
print(calculate_orthogonality(vector1,vector3))
print(calculate_orthogonality(vector2,vector3))

0.0446635108744
0.0446635108744
0.028662025148

特别是我希望 vector2 和 3 为 return 0，即它们是相同的，因此是平行的。

这让我相信我在这里误解了一些东西。有什么想法吗？

p.s。我已经查看了其他常见措施，例如基尼杂质等，它们很好，但我发现这是一种替代方法，我正在尝试衡量它的有效性。

干杯

大卫

编辑：

已找到以下http://masongallo.github.io/machine/learning,/python/2016/07/29/cosine-similarity.html

看来我的理解有偏差。如果我使用这个实现，我会得到以下结果

import numpy as np

def cos_sim(a, b):
    """Takes 2 vectors a, b and returns the cosine similarity according
    to the definition of the dot product
    """
    dot_product = np.dot(a, b)
    norm_a = np.linalg.norm(a)
    norm_b = np.linalg.norm(b)
    return dot_product / (norm_a * norm_b)

vector1 = [0.6666666666666666, 0.3333333333333333, 0, 0, 0, 0]
vector2 = [0.4, 0.1, 0.1, 0.2, 0.1, 0.1]
vector3 = [0.4, 0.1, 0.1, 0.2, 0.1, 0.1]

print(cos_sim(vector1,vector2))
print(cos_sim(vector1,vector3))
print(cos_sim(vector2,vector3))

0.821583836258
0.821583836258
1.0

矢量 2 和 3 突出显示为相同。我需要更多地了解这个过程，但我认为这是正确的。

Answer 1

抱歉延迟 - 答案确实是根据编辑使用代码

import numpy as np

def cos_sim(a, b):
    """Takes 2 vectors a, b and returns the cosine similarity according
    to the definition of the dot product
    """
    dot_product = np.dot(a, b)
    norm_a = np.linalg.norm(a)
    norm_b = np.linalg.norm(b)
    return dot_product / (norm_a * norm_b)

vector1 = [0.6666666666666666, 0.3333333333333333, 0, 0, 0, 0]
vector2 = [0.4, 0.1, 0.1, 0.2, 0.1, 0.1]
vector3 = [0.4, 0.1, 0.1, 0.2, 0.1, 0.1]

print(cos_sim(vector1,vector2))
print(cos_sim(vector1,vector3))
print(cos_sim(vector2,vector3))

0.821583836258
0.821583836258
1.0

分布之间的正交性

Orthogonality between distributions

python

vector

decision-tree

orthogonal