J'ai trouvé des packages utilisés pour calculer le "gain d'informations" pour sélectionner les principaux attributs dans l'arbre de décision C4.5 et j'ai essayé de les utiliser pour calculer le "gain d'informations".
Mais les résultats du calcul de chaque paquet sont différents comme le code ci-dessous.
> IG.CORElearn <- attrEval(In_Occu ~ In_Temp+In_Humi+In_CO2+In_Illu+In_LP+Out_Temp+Out_Humi, dataUSE1, estimator = "InfGain")
> IG.RWeka <- InfoGainAttributeEval(In_Occu ~ In_Temp+In_Humi+In_CO2+In_Illu+In_LP+Out_Temp+Out_Humi, dataUSE1)
> IG.FSelector <- information.gain(In_Occu ~ In_Temp+In_Humi+In_CO2+In_Illu+In_LP+Out_Temp+Out_Humi,dataUSE1)
> IG.CORElearn
In_Temp In_Humi In_CO2 In_Illu In_LP Out_Temp Out_Humi
0.04472928 0.02705100 0.09305418 0.35064927 0.44299167 0.01832216 0.05551973
> IG.RWeka
In_Temp In_Humi In_CO2 In_Illu In_LP Out_Temp Out_Humi
0.11964771 0.04340197 0.12266724 0.38963327 0.44299167 0.03831816 0.07705798
> IG.FSelector
attr_importance
In_Temp 0.08293347
In_Humi 0.02919697
In_CO2 0.08411316
In_Illu 0.27007321
In_LP 0.30705843
Out_Temp 0.02656012
Out_Humi 0.05341252
Pourquoi les résultats du calcul de chaque paquet sont-ils différents? Et lequel a raison?
la source