信息增益近似

← ToolBox / 信息增益近似

💡 Ai 9

Ai 9 is available directly in your browser, with no data uploaded.

📐 計算公式與説明

基尼 = 2p(1−p)
熵 = −p·log₂p − (1−p)·log₂(1−p)
增益 = 父不純度 − 加權子不純度

決策樹分裂選擇增益最大的特徵。

📚 深度解析：信息增益近似

💡 常見使用場景

複核示例：信息增益近似
先用一組可復現輸入做一次基準運算，再對關鍵輸入乘以 10%、50% 兩檔復算，確認結果是否沿預期方向變化。

❓ 常見問題（FAQ）

信息增益近似 的誤差是否可快速定位？
可。先檢查輸入邊界、單位、以及分母定義後，通常可在1-2次復算內定位偏差來源。
結果為負值或零值時該怎麼辦？
先確認輸入是否突破有效域（如對數/開方前提、分母是否接近零），再回到定義式檢查口徑。

🔗 相關工具

🎲 Dropout 保留期望Dropout 保留期望 🔧 L1 L2 正則化懲罰L1 L2 正則化懲罰 📥 RAG 召回率RAG 召回率 📈 ROC AUC 近似ROC AUC 近似 R ReLU 與 LeakyReLUR ReLU 與 LeakyReLU S Sigmoid 輸出S Sigmoid 輸出