Gini Impurity

Decision trees split data into groups that are as pure as possible. Gini impurity measures how mixed a group's labels are:

Gini = 1 - Σ pₖ²

where pₖ is the fraction of labels equal to class k. A group with a single class has impurity 0; an even mix of two classes has impurity 0.5.

Implement gini_impurity(labels).

Input

labels: The class labels in the group.

Output

Return the Gini impurity as a decimal number.

เงื่อนไข

1 ≤ length ≤ 10,000

Each label is 1 to 20 characters

ตัวอย่าง

อินพุต:
labels = ["yes", "yes", "no", "no"]

ผลลัพธ์ที่คาดหวัง:
expected = 0.5

อินพุต:
std::vector<std::string> labels = {"yes", "yes", "no", "no"};

ผลลัพธ์ที่คาดหวัง:
double expected = 0.5;

อินพุต:
string[] labels = new string[] {"yes", "yes", "no", "no"};

ผลลัพธ์ที่คาดหวัง:
double expected = 0.5;

อินพุต:
labels = ["cat", "cat", "cat"]

ผลลัพธ์ที่คาดหวัง:
expected = 0.0

อินพุต:
std::vector<std::string> labels = {"cat", "cat", "cat"};

ผลลัพธ์ที่คาดหวัง:
double expected = 0.0;

อินพุต:
string[] labels = new string[] {"cat", "cat", "cat"};

ผลลัพธ์ที่คาดหวัง:
double expected = 0.0;

แหล่งอ้างอิง

โจทย์นี้ปรับให้เหมาะกับ CodeUtility กรุณาทำตามคำชี้แจงและข้อจำกัดด้านบน

• scikit-learn, Decision trees: mathematical formulation