These formulas show that informatio

These formulas show that information gain is the weighted average of the mutual information I ( t; c ) and I ( t ; c ), where the weights are the joint probabilities r P ( t; c ) and Pr ( t; c ), respectively. So information gain is also called average mutual information [7 ]. There are two fundamental differences between IG and MI: 1) IG makes a use of information about term absence in the form of I ( t ; c ), while MI ignores such information; and 2) IG normalizes the mutual information scores using the joint probabilities while MI uses the nonnormalized scores.

Kết quả (Việt) 1:

Hiển thị công thức rằng thông tin đạt được là các trọng số trung bình của các thông tin cùng tôi (t; c) và tôi (t; c), nơi các trọng lượng là r phần xác suất P (t; c) và quan hệ công chúng (t; c), tương ứng. Vì vậy thông tin đạt được cũng được gọi là trung bình lẫn nhau thông tin [7]. Có hai sự khác biệt cơ bản giữa IG và MI: 1) IG làm cho việc sử dụng các thông tin về thuật ngữ vắng mặt trong các hình thức của tôi (t; c), trong khi MI bỏ qua thông tin như vậy; và 2) IG normalizes điểm số lẫn nhau thông tin bằng cách sử dụng các xác suất phần trong khi MI sử dụng điểm số nonnormalized.

Kết quả (Việt) 2:

Những công thức cho thấy tăng thông tin là bình quân gia quyền của các thông tin lẫn nhau I (t; c) và I (t;? C), trong đó các trọng là xác suất doanh r P (t; c) và Pr (t; c? ), tương ứng. Vì vậy, tăng thông tin cũng được gọi là thông tin lẫn nhau trung bình [7]. Có hai khác biệt cơ bản giữa IG và MI: 1) IG làm cho việc sử dụng thông tin về sự vắng mặt hạn trong các hình thức I (t; c), trong khi MI bỏ qua những thông tin đó? và 2) IG bình thường hóa các điểm thông tin lẫn nhau bằng cách sử dụng xác suất trong khi doanh MI sử dụng các điểm nonnormalized.