Gini杂质，在opencv中生长随机树

Question

目标:在openCV的树木生长的分裂决策中添加偏移杂质。

目前在opencv随机树中，拆分的方式如下：

if( !priors )
{
    int L = 0, R = n1;

    for( i = 0; i < m; i++ )
        rsum2 += (double)rc[i]*rc[i];

    for( i = 0; i < n1 - 1; i++ )
    {
        int idx = responses[sorted_indices[i]];
        int lv, rv;
        L++; R--;
        lv = lc[idx]; rv = rc[idx];
        lsum2 += lv*2 + 1;
        rsum2 -= rv*2 - 1;
        lc[idx] = lv + 1; rc[idx] = rv - 1;

        if( values[i] + epsilon < values[i+1] )
        {
            double val = (lsum2*R + rsum2*L)/((double)L*R);
            if( best_val < val )
            {
                best_val = val;
                best_i = i;
            }
        }
    }
}

它使用了基尼杂质。

​

​

任何人谁能解释代码是如何做到这一点的，从我得到的:最初它将所有类计数放在右边的节点中，当从右到左移动一个实例并更新lsum2和rsum2时，它会找到最佳解决方案。我不明白的是p_j^2与lv*2 +1或rv*2-1有什么关系。

真正的问题是，如果有可用的偏移量，并且想要基于偏移量的相似性的不纯添加一个拆分。(偏移是从中心到当前节点的方向和距离。

我想出的是这样的东西，如果有人能指出任何缺陷，那就太好了，因为atm没有给出好的结果，我不确定从哪里开始调试。

    //Compute mean
    for(i = 0; i<n1;++i)
    {
        float* point = (float*)(points.data + rstep*sample_idx_src[sorted_indices[i]]);
        meanx[responses[sorted_indices[i]]] += point[0];
        meany[responses[sorted_indices[i]]] += point[1];
    }
    for(i = 0;i<m;++i)
    {
        meanx[i] /= rc0[i];
        meany[i] /= rc0[i];     
    }

    if(!priors)
    {
        int L = 0, R = n1;

        for(i=0;i<n1;i++)
        {
            float* point = (float*)(points.data + rstep*sample_idx_src[sorted_indices[i]]);
            double tmp = point[0] - meanx[responses[sorted_indices[i]]];
            rsum2 += tmp*tmp;
            tmp = point[1] -meany[responses[sorted_indices[i]]];
            rsum2 += tmp*tmp;


        }

        double minDist = DBL_MAX;

        for(i=0;i<n1;++i)
        {
            float* point = (float*)(points.data + rstep*sample_idx_src[sorted_indices[i]]);
            ++L; --R;
            double tmp = point[0] - meanx[responses[sorted_indices[i]]];
            lsum2 += tmp*tmp;
                tmp = point[1] -meany[responses[sorted_indices[i]]];
            lsum2 += tmp*tmp;
                tmp = point[0] -    meanx[responses[sorted_indices[i]]];
            rsum2 -= tmp*tmp;
                tmp = point[1] -meany[responses[sorted_indices[i]]];
            rsum2 -= tmp*tmp;

            if( values[i] + epsilon < values[i+1] )
            {
                double val = (lsum2 + rsum2)/((double)L*R);

                if(val < minDist )
                {
                    minDist = val;
                    best_val = -val;
                    best_i = i;
                }
            }
        }

Answer 1

在这种情况下，基尼系数很简单，因为只有两组，左和右。所以我们用1-pl*pl-pr*pr代替了大笔的1-sum(pj*pj)。左侧pl上的项目比例是左侧lv上的项目数量除以总数。

现在，当我们移动拆分时，pl*pl和pr*pr会发生变化，但不是因为项目的总数发生了变化。因此，我们没有优化pr和pl (浮点数)，而是优化了lv and rv (它们是简单的计数)。

接下来是为什么要使用2*lv+1的问题。这很简单:我们通过增加lv = lv=1来优化lv*lv。现在，如果你写出所有的项，(lv+1)*(lv+1) - (lv*lv) (增加)恰好是2*lv+1。而减少的(rv-1)*(rv-1) - (rv*rv)恰好是-2*rv+1或-(r*rv+1)。