这个问题的核心是模拟决策树（特别是CART算法）在选择最佳分裂特征时的过程。决策树在构建时，需要在每个节点上选择一个特征进行分裂，目标是让分裂后的数据子集“纯度”尽可能高。基尼指数就是衡量数据纯度的一种指标。一个集合的基尼指数越小，其纯度越高。

题目要求我们找到使整个数据集在分裂后基尼指数最小的那个特征。解题的整体思路如下：

P3629.第2题-大促活动入场决策

1000ms

Difficulty: 5

所属公司 : 阿里

算法与标签>决策树

题目内容

某电商平台计划向定向用户发起一次大促活动，向受邀用户定向投放活动入口。通过构建一系列特征，使用决策树对用户进行分类，被分类为正样本的用户可以获得入场资格。使用基尼指数作为特征的优先级决策指标，给定一个数据集，其基尼指数可以表示为:

$Gini(D)=1-\sum^k_{k=1}(\frac{∣C_k∣}{∣D∣})^2$

其中 $C_k$ 代表的是属于某一类的样本个数， $D$ 是整个数据集的样本数量，如果样本集合 $D$ 根据特征 $A$ 是否取某一值 $a$ 被分割为 $D_1,D_2$ ，两部分，那么在特征 $A$ 的条件下，集合的基尼指数可以定义为:

$Gini(D∣A)=\frac{∣D_1∣}{∣D∣}Gini(D_1)+\frac{∣D_2∣}{∣D∣}Gini(D_2)$

现给定一个数据集，要求给出对于使整个集合基尼指数最小的特征，请结合题目信息，输入、输出和补充完成完成作答。

输入一个二维 $list$ ，每个子 $list$ 最后一个元素是 $label$ ，其他元素是对应特征的值。

要求给出使整个数据集合基尼指数最小的特征对应的索引。

$(1)$ 可以使用形如 $numpy、pandas$ 的第三方代码库。

$(2)$ 为了保证唯一性，请严格遵循输入输出描述进行作答。

$(3)$ 形如 $sys.stdin$ 等方法结合 $for$ 循环和 $eval$ 函数即可读取并还原输入数据。

输入

[[0,0,0,0,0],[0,0,0,1,0],[0,1,0,1,1],[0,1,1,0,0],[0,0,0,0,0]]

输出

说明

第 $2$ 列特征下，整个集合对应的基尼指数最小，其索引为 $1$ ，所以返回值为 $1$

输入

预期输出（选填）