source: src/main/java/weka/core/ContingencyTables.java @ 9

Last change on this file since 9 was 4, checked in by gnappo, 14 years ago

Import di weka.

File size: 18.3 KB
Line 
1/*
2 *    This program is free software; you can redistribute it and/or modify
3 *    it under the terms of the GNU General Public License as published by
4 *    the Free Software Foundation; either version 2 of the License, or
5 *    (at your option) any later version.
6 *
7 *    This program is distributed in the hope that it will be useful,
8 *    but WITHOUT ANY WARRANTY; without even the implied warranty of
9 *    MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the
10 *    GNU General Public License for more details.
11 *
12 *    You should have received a copy of the GNU General Public License
13 *    along with this program; if not, write to the Free Software
14 *    Foundation, Inc., 675 Mass Ave, Cambridge, MA 02139, USA.
15 */
16
17/*
18 *    ContingencyTables.java
19 *    Copyright (C) 1999 University of Waikato, Hamilton, New Zealand
20 *
21 */
22
23package weka.core;
24
25/**
26 * Class implementing some statistical routines for contingency tables.
27 *
28 * @author Eibe Frank (eibe@cs.waikato.ac.nz)
29 * @version $Revision: 5953 $
30 */
31public class ContingencyTables
32  implements RevisionHandler {
33
34  /** The natural logarithm of 2 */
35  private static double log2 = Math.log(2);
36
37  /**
38   * Returns chi-squared probability for a given matrix.
39   *
40   * @param matrix the contigency table
41   * @param yates is Yates' correction to be used?
42   * @return the chi-squared probability
43   */
44
45  public static double chiSquared(double [][] matrix, boolean yates) {
46
47    int df = (matrix.length - 1) * (matrix[0].length - 1);
48
49    return Statistics.chiSquaredProbability(chiVal(matrix, yates), df);
50  }
51
52  /**
53   * Computes chi-squared statistic for a contingency table.
54   *
55   * @param matrix the contigency table
56   * @param useYates is Yates' correction to be used?
57   * @return the value of the chi-squared statistic
58   */
59  public static double chiVal(double [][] matrix, boolean useYates) {
60   
61    int df, nrows, ncols, row, col;
62    double[] rtotal, ctotal;
63    double expect = 0, chival = 0, n = 0;
64    boolean yates = true;
65   
66    nrows = matrix.length;
67    ncols = matrix[0].length;
68    rtotal = new double [nrows];
69    ctotal = new double [ncols];
70    for (row = 0; row < nrows; row++) {
71      for (col = 0; col < ncols; col++) {
72        rtotal[row] += matrix[row][col];
73        ctotal[col] += matrix[row][col];
74        n += matrix[row][col];
75      }
76    }
77    df = (nrows - 1)*(ncols - 1);
78    if ((df > 1) || (!useYates)) {
79      yates = false;
80    } else if (df <= 0) {
81      return 0;
82    }
83    chival = 0.0;
84    for (row = 0; row < nrows; row++) {
85      if (Utils.gr(rtotal[row], 0)) {
86        for (col = 0; col < ncols; col++) {
87          if (Utils.gr(ctotal[col], 0)) {
88            expect = (ctotal[col] * rtotal[row]) / n;
89            chival += chiCell (matrix[row][col], expect, yates);
90          }
91        }
92      }
93    }
94    return chival;
95  }
96
97  /**
98   * Tests if Cochran's criterion is fullfilled for the given
99   * contingency table. Rows and columns with all zeros are not considered
100   * relevant.
101   *
102   * @param matrix the contigency table to be tested
103   * @return true if contingency table is ok, false if not
104   */
105  public static boolean cochransCriterion(double[][] matrix) {
106
107    double[] rtotal, ctotal;
108    double n = 0, expect, smallfreq = 5;
109    int smallcount = 0, nonZeroRows = 0, nonZeroColumns = 0, nrows, ncols, 
110      row, col;
111
112    nrows = matrix.length;
113    ncols = matrix[0].length;
114
115    rtotal = new double [nrows];
116    ctotal = new double [ncols];
117    for (row = 0; row < nrows; row++) {
118      for (col = 0; col < ncols; col++) {
119        rtotal[row] += matrix[row][col];
120        ctotal[col] += matrix[row][col];
121        n += matrix[row][col];
122      }
123    }
124    for (row = 0; row < nrows; row++) {
125      if (Utils.gr(rtotal[row], 0)) {
126        nonZeroRows++;
127      }
128    }
129    for (col = 0; col < ncols; col++) {
130      if (Utils.gr(ctotal[col], 0)) {
131        nonZeroColumns++;
132      }
133    }
134    for (row = 0; row < nrows; row++) {
135      if (Utils.gr(rtotal[row], 0)) {
136        for (col = 0; col < ncols; col++) {
137          if (Utils.gr(ctotal[col], 0)) {
138            expect = (ctotal[col] * rtotal[row]) / n;
139            if (Utils.sm(expect, smallfreq)) {
140              if (Utils.sm(expect, 1)) {
141                return false;
142              } else {
143                smallcount++;
144                if (smallcount > (nonZeroRows * nonZeroColumns) / smallfreq) {
145                  return false;
146                }
147              }
148            }
149          }
150        }
151      }
152    }
153    return true;
154  }
155
156  /**
157   * Computes Cramer's V for a contingency table.
158   *
159   * @param matrix the contingency table
160   * @return Cramer's V
161   */
162  public static double CramersV(double [][] matrix) {
163
164    int row, col, nrows,ncols, min;
165    double n = 0;
166   
167    nrows = matrix.length;
168    ncols = matrix[0].length;
169    for (row = 0; row < nrows; row++) {
170      for (col = 0; col < ncols; col++) {
171        n += matrix[row][col];
172      }
173    }
174    min = nrows < ncols ? nrows-1 : ncols-1;
175    if ((min == 0) || Utils.eq(n, 0))
176      return 0;
177    return Math.sqrt(chiVal(matrix, false) / (n * (double)min)); 
178  } 
179
180  /**
181   * Computes the entropy of the given array.
182   *
183   * @param array the array
184   * @return the entropy
185   */
186  public static double entropy(double[] array) {
187
188    double returnValue = 0, sum = 0;
189
190    for (int i = 0; i < array.length; i++) {
191      returnValue -= lnFunc(array[i]);
192      sum += array[i];
193    }
194    if (Utils.eq(sum, 0)) {
195      return 0;
196    } else {
197      return (returnValue + lnFunc(sum)) / (sum * log2);
198    }
199  }
200
201  /**
202   * Computes conditional entropy of the rows given
203   * the columns.
204   *
205   * @param matrix the contingency table
206   * @return the conditional entropy of the rows given the columns
207   */
208  public static double entropyConditionedOnColumns(double[][] matrix) {
209   
210    double returnValue = 0, sumForColumn, total = 0;
211
212    for (int j = 0; j < matrix[0].length; j++) {
213      sumForColumn = 0;
214      for (int i = 0; i < matrix.length; i++) {
215        returnValue = returnValue + lnFunc(matrix[i][j]);
216        sumForColumn += matrix[i][j];
217      }
218      returnValue = returnValue - lnFunc(sumForColumn);
219      total += sumForColumn;
220    }
221    if (Utils.eq(total, 0)) {
222      return 0;
223    }
224    return -returnValue / (total * log2);
225  }
226
227  /**
228   * Computes conditional entropy of the columns given
229   * the rows.
230   *
231   * @param matrix the contingency table
232   * @return the conditional entropy of the columns given the rows
233   */
234  public static double entropyConditionedOnRows(double[][] matrix) {
235   
236    double returnValue = 0, sumForRow, total = 0;
237
238    for (int i = 0; i < matrix.length; i++) {
239      sumForRow = 0;
240      for (int j = 0; j < matrix[0].length; j++) {
241        returnValue = returnValue + lnFunc(matrix[i][j]);
242        sumForRow += matrix[i][j];
243      }
244      returnValue = returnValue - lnFunc(sumForRow);
245      total += sumForRow;
246    }
247    if (Utils.eq(total, 0)) {
248      return 0;
249    }
250    return -returnValue / (total * log2);
251  }
252
253  /**
254   * Computes conditional entropy of the columns given the rows
255   * of the test matrix with respect to the train matrix. Uses a
256   * Laplace prior. Does NOT normalize the entropy.
257   *
258   * @param train the train matrix
259   * @param test the test matrix
260   * @param numClasses the number of symbols for Laplace
261   * @return the entropy
262   */
263  public static double entropyConditionedOnRows(double[][] train, 
264                                                double[][] test,
265                                                double numClasses) {
266   
267    double returnValue = 0, trainSumForRow, testSumForRow, testSum = 0;
268
269    for (int i = 0; i < test.length; i++) {
270      trainSumForRow = 0;
271      testSumForRow = 0;
272      for (int j = 0; j < test[0].length; j++) {
273        returnValue -= test[i][j] * Math.log(train[i][j] + 1);
274        trainSumForRow += train[i][j];
275        testSumForRow += test[i][j];
276      }
277      testSum = testSumForRow;
278      returnValue += testSumForRow * Math.log(trainSumForRow + 
279                                             numClasses);
280    }
281    return returnValue / (testSum * log2);
282  }
283
284  /**
285   * Computes the rows' entropy for the given contingency table.
286   *
287   * @param matrix the contingency table
288   * @return the rows' entropy
289   */
290  public static double entropyOverRows(double[][] matrix) {
291   
292    double returnValue = 0, sumForRow, total = 0;
293
294    for (int i = 0; i < matrix.length; i++) {
295      sumForRow = 0;
296      for (int j = 0; j < matrix[0].length; j++) {
297        sumForRow += matrix[i][j];
298      }
299      returnValue = returnValue - lnFunc(sumForRow);
300      total += sumForRow;
301    }
302    if (Utils.eq(total, 0)) {
303      return 0;
304    }
305    return (returnValue + lnFunc(total)) / (total * log2);
306  }
307
308  /**
309   * Computes the columns' entropy for the given contingency table.
310   *
311   * @param matrix the contingency table
312   * @return the columns' entropy
313   */
314  public static double entropyOverColumns(double[][] matrix){
315   
316    double returnValue = 0, sumForColumn, total = 0;
317
318    for (int j = 0; j < matrix[0].length; j++){
319      sumForColumn = 0;
320      for (int i = 0; i < matrix.length; i++) {
321        sumForColumn += matrix[i][j];
322      }
323      returnValue = returnValue - lnFunc(sumForColumn);
324      total += sumForColumn;
325    }
326    if (Utils.eq(total, 0)) {
327      return 0;
328    }
329    return (returnValue + lnFunc(total)) / (total * log2);
330  }
331
332  /**
333   * Computes gain ratio for contingency table (split on rows).
334   * Returns Double.MAX_VALUE if the split entropy is 0.
335   *
336   * @param matrix the contingency table
337   * @return the gain ratio
338   */
339  public static double gainRatio(double[][] matrix){
340   
341    double preSplit = 0, postSplit = 0, splitEnt = 0,
342      sumForRow, sumForColumn, total = 0, infoGain;
343
344    // Compute entropy before split
345    for (int i = 0; i < matrix[0].length; i++) {
346      sumForColumn = 0;
347      for (int j = 0; j < matrix.length; j++) 
348        sumForColumn += matrix[j][i];
349      preSplit += lnFunc(sumForColumn);
350      total += sumForColumn;
351    }
352    preSplit -= lnFunc(total);
353
354    // Compute entropy after split and split entropy
355    for (int i = 0; i < matrix.length; i++) {
356      sumForRow = 0;
357      for (int j = 0; j < matrix[0].length; j++) {
358        postSplit += lnFunc(matrix[i][j]);
359        sumForRow += matrix[i][j];
360      }
361      splitEnt += lnFunc(sumForRow);
362    }
363    postSplit -= splitEnt;
364    splitEnt -= lnFunc(total);
365
366    infoGain = preSplit - postSplit;
367    if (Utils.eq(splitEnt, 0))
368      return 0;
369    return infoGain / splitEnt;
370  }
371
372  /**
373   * Returns negative base 2 logarithm of multiple hypergeometric
374   * probability for a contingency table.
375   *
376   * @param matrix the contingency table
377   * @return the log of the hypergeometric probability of the contingency table
378   */
379  public static double log2MultipleHypergeometric(double[][] matrix) {
380
381    double sum = 0, sumForRow, sumForColumn, total = 0;
382
383    for (int i = 0; i < matrix.length; i++) {
384      sumForRow = 0;
385      for (int j = 0; j < matrix[i].length; j++) {
386        sumForRow += matrix[i][j];
387      }
388      sum += SpecialFunctions.lnFactorial(sumForRow);
389      total += sumForRow;
390    }
391    for (int j = 0; j < matrix[0].length; j++) {
392      sumForColumn = 0;
393      for (int i = 0; i < matrix.length; i++) {
394        sumForColumn += matrix [i][j];
395      }
396      sum += SpecialFunctions.lnFactorial(sumForColumn);
397    }
398    for (int i = 0; i < matrix.length; i++) {
399      for (int j = 0; j < matrix[i].length; j++) {
400        sum -= SpecialFunctions.lnFactorial(matrix[i][j]);
401      }
402    }
403    sum -= SpecialFunctions.lnFactorial(total);
404    return -sum / log2;
405  }
406
407  /**
408   * Reduces a matrix by deleting all zero rows and columns.
409   *
410   * @param matrix the matrix to be reduced
411   * @return the matrix with all zero rows and columns deleted
412   */
413  public static double[][] reduceMatrix(double[][] matrix) {
414
415    int row, col, currCol, currRow, nrows, ncols, 
416      nonZeroRows = 0, nonZeroColumns = 0;
417    double[] rtotal, ctotal;
418    double[][] newMatrix;
419
420    nrows = matrix.length;
421    ncols = matrix[0].length;
422    rtotal = new double [nrows];
423    ctotal = new double [ncols];
424    for (row = 0; row < nrows; row++) {
425      for (col = 0; col < ncols; col++) {
426        rtotal[row] += matrix[row][col];
427        ctotal[col] += matrix[row][col];
428      }
429    }
430    for (row = 0; row < nrows; row++) {
431      if (Utils.gr(rtotal[row],0)) {
432        nonZeroRows++;
433      }
434    }
435    for (col = 0; col < ncols; col++) {
436      if (Utils.gr(ctotal[col],0)) {
437        nonZeroColumns++;
438      }
439    }
440    newMatrix = new double[nonZeroRows][nonZeroColumns];
441    currRow = 0;
442    for (row = 0; row < nrows; row++) {
443      if (Utils.gr(rtotal[row],0)) {
444        currCol = 0;
445        for (col = 0; col < ncols; col++) {
446          if (Utils.gr(ctotal[col],0)) {
447            newMatrix[currRow][currCol] = matrix[row][col];
448            currCol++;
449          }
450        }
451        currRow++;
452      }
453    }
454    return newMatrix;
455  }
456   
457   /**
458    * Calculates the symmetrical uncertainty for base 2.
459    *
460    * @param matrix the contingency table
461    * @return the calculated symmetrical uncertainty
462    *
463    */
464  public static double symmetricalUncertainty(double matrix[][]) {
465
466    double sumForColumn, sumForRow, total = 0, columnEntropy = 0, 
467      rowEntropy = 0, entropyConditionedOnRows = 0, infoGain = 0;
468
469    // Compute entropy for columns
470    for (int i = 0; i < matrix[0].length; i++) {
471      sumForColumn = 0;
472      for (int j = 0; j < matrix.length; j++) {
473        sumForColumn += matrix[j][i];
474      }
475      columnEntropy += lnFunc(sumForColumn);
476      total += sumForColumn;
477    }
478    columnEntropy -= lnFunc(total);
479
480    // Compute entropy for rows and conditional entropy
481    for (int i = 0; i < matrix.length; i++) {
482      sumForRow = 0;
483      for (int j = 0; j < matrix[0].length; j++) { 
484        sumForRow += matrix[i][j];
485        entropyConditionedOnRows += lnFunc(matrix[i][j]);
486      }
487      rowEntropy += lnFunc(sumForRow);
488    }
489    entropyConditionedOnRows -= rowEntropy;
490    rowEntropy -= lnFunc(total);
491    infoGain = columnEntropy - entropyConditionedOnRows;
492    if (Utils.eq(columnEntropy, 0) || Utils.eq(rowEntropy, 0))
493      return 0;
494    return 2.0 * (infoGain / (columnEntropy + rowEntropy));
495  }
496
497  /**
498   * Computes Goodman and Kruskal's tau-value for a contingency table.
499   *
500   * @param matrix the contingency table
501   * @return Goodman and Kruskal's tau-value
502   */
503  public static double tauVal(double[][] matrix) {
504   
505    int nrows, ncols, row, col;
506    double [] ctotal;
507    double maxcol = 0, max, maxtotal = 0, n = 0;
508   
509    nrows = matrix.length;
510    ncols = matrix[0].length;
511    ctotal = new double [ncols];
512    for (row = 0; row < nrows; row++) {
513      max = 0;
514      for (col = 0; col < ncols; col++) {
515        if (Utils.gr(matrix[row][col], max)) 
516          max = matrix[row][col];
517        ctotal[col] += matrix[row][col];
518        n += matrix[row][col];
519      }
520      maxtotal += max;
521    }
522    if (Utils.eq(n, 0)) {
523      return 0;
524    }
525    maxcol = ctotal[Utils.maxIndex(ctotal)];
526    return (maxtotal - maxcol)/(n - maxcol);
527  }
528
529  /**
530   * Help method for computing entropy.
531   */
532  private static double lnFunc(double num){
533   
534    // Constant hard coded for efficiency reasons
535    if (num < 1e-6) {
536      return 0;
537    } else {
538      return num * Math.log(num);
539    }
540  }
541
542  /**
543   * Computes chi-value for one cell in a contingency table.
544   *
545   * @param freq the observed frequency in the cell
546   * @param expected the expected frequency in the cell
547   * @return the chi-value for that cell; 0 if the expected value is
548   * too close to zero
549   */
550  private static double chiCell(double freq, double expected, 
551                                boolean yates){
552
553    // Cell in empty row and column?
554    if (Utils.smOrEq(expected, 0)) {
555      return 0;
556    }
557
558    // Compute difference between observed and expected value
559    double diff = Math.abs(freq - expected);
560    if (yates) {
561
562      // Apply Yates' correction if wanted
563      diff -= 0.5;
564
565      // The difference should never be negative
566      if (diff < 0) {
567        diff = 0;
568      }
569    }
570
571    // Return chi-value for the cell
572    return (diff * diff / expected);
573  }
574 
575  /**
576   * Returns the revision string.
577   *
578   * @return            the revision
579   */
580  public String getRevision() {
581    return RevisionUtils.extract("$Revision: 5953 $");
582  }
583
584  /**
585   * Main method for testing this class.
586   */
587  public static void main(String[] ops) {
588
589    double[] firstRow = {10, 5, 20};
590    double[] secondRow = {2, 10, 6};
591    double[] thirdRow = {5, 10, 10};
592    double[][] matrix = new double[3][0];
593
594    matrix[0] = firstRow; matrix[1] = secondRow; matrix[2] = thirdRow;
595    for (int i = 0; i < matrix.length; i++) {
596      for (int j = 0; j < matrix[i].length; j++) {
597        System.out.print(matrix[i][j] + " ");
598      }
599      System.out.println();
600    }
601    System.out.println("Chi-squared probability: " +
602                       ContingencyTables.chiSquared(matrix, false));
603    System.out.println("Chi-squared value: " +
604                       ContingencyTables.chiVal(matrix, false));
605    System.out.println("Cochran's criterion fullfilled: " +
606                       ContingencyTables.cochransCriterion(matrix));
607    System.out.println("Cramer's V: " +
608                       ContingencyTables.CramersV(matrix));
609    System.out.println("Entropy of first row: " +
610                       ContingencyTables.entropy(firstRow));
611    System.out.println("Entropy conditioned on columns: " +
612                       ContingencyTables.entropyConditionedOnColumns(matrix));
613    System.out.println("Entropy conditioned on rows: " +
614                       ContingencyTables.entropyConditionedOnRows(matrix));
615    System.out.println("Entropy conditioned on rows (with Laplace): " +
616                       ContingencyTables.entropyConditionedOnRows(matrix, matrix, 3));
617    System.out.println("Entropy of rows: " +
618                       ContingencyTables.entropyOverRows(matrix));
619    System.out.println("Entropy of columns: " +
620                       ContingencyTables.entropyOverColumns(matrix));
621    System.out.println("Gain ratio: " +
622                       ContingencyTables.gainRatio(matrix));
623    System.out.println("Negative log2 of multiple hypergeometric probability: " +
624                       ContingencyTables.log2MultipleHypergeometric(matrix));
625    System.out.println("Symmetrical uncertainty: " +
626                       ContingencyTables.symmetricalUncertainty(matrix));
627    System.out.println("Tau value: " +
628                       ContingencyTables.tauVal(matrix));
629    double[][] newMatrix = new double[3][3];
630    newMatrix[0][0] = 1; newMatrix[0][1] = 0; newMatrix[0][2] = 1;
631    newMatrix[1][0] = 0; newMatrix[1][1] = 0; newMatrix[1][2] = 0;
632    newMatrix[2][0] = 1; newMatrix[2][1] = 0; newMatrix[2][2] = 1;
633    System.out.println("Matrix with empty row and column: ");
634    for (int i = 0; i < newMatrix.length; i++) {
635      for (int j = 0; j < newMatrix[i].length; j++) {
636        System.out.print(newMatrix[i][j] + " ");
637      }
638      System.out.println();
639    }
640    System.out.println("Reduced matrix: ");
641    newMatrix = ContingencyTables.reduceMatrix(newMatrix);
642    for (int i = 0; i < newMatrix.length; i++) {
643      for (int j = 0; j < newMatrix[i].length; j++) {
644        System.out.print(newMatrix[i][j] + " ");
645      }
646      System.out.println();
647    }
648  }
649}
650
651
652
653
654
655
656
657
Note: See TracBrowser for help on using the repository browser.