什么是 Weka 的 InfoGainAttributeEval 公式，用于评估具有连续值的熵？答案

【问题标题】：What is Weka's InfoGainAttributeEval formula for evaluating Entropy with continuous values?什么是 Weka 的 InfoGainAttributeEval 公式，用于评估具有连续值的熵？
【发布时间】：2016-06-10 11:19:46
【问题描述】：

我正在使用 Weka 的信息增益属性选择功能，并试图弄清楚 Weka 在处理连续数据时使用的特定公式。

我了解熵的常用公式是this，当数据中的值是离散的时。我知道在处理连续数据时，可以使用微分熵或离散化值。我尝试查看 Weka 对 InfoGainAttributeEval 的解释，并查看了许多其他参考资料，但找不到任何东西。

也许只有我一个人，但有人知道 Weka 是如何实现这个案例的吗？

谢谢！

【问题讨论】：

标签： machine-learning formula weka entropy information-gain

【解决方案1】：

我问过作者 Mark Hall，他说：

它使用 Fayad 的有监督的基于 MDL 的离散化方法和伊拉尼。请参阅 javadocs：
http://weka.sourceforge.net/doc.stable-3-8/weka/attributeSelection/InfoGainAttributeEval.html

您还可以查看离散化方法的链接：

http://weka.sourceforge.net/doc.stable-3-8/weka/filters/supervised/attribute/Discretize.html

【讨论】：

这可能有点晚了，但非常感谢您提供的信息和努力！没有看到 Discretize 函数。