翻译成Java代码 def calcShannonEnt(dataSet): #返回数据集行数 numEntries=len(dataSet) #保存每个标签（label）出现次数的字典 labelCounts={} #对每组特征向量进行统计 for featVec in dataSet: currentLabel=featVec[-1] #提取标签信息 if currentLabel not in labelCounts.keys(): #如果标签没有放入统计次数的字典，添加进去 labelCounts[currentLabel]=0 labelCounts[currentLabel]+=1 #label计数 shannonEnt=0.0 #经验熵 #计算经验熵 for key in labelCounts: prob=float(labelCounts[key])/numEntries #选择该标签的概率 shannonEnt-=prob*log(prob,2) #利用公式计算 return shannonEnt #返回经验熵

以下是翻译成Java代码的结果：

public static double calcShannonEnt(ArrayList<ArrayList<String>> dataSet) {
    // 返回数据集行数
    int numEntries = dataSet.size();
    // 保存每个标签（label）出现次数的字典
    Map<String, Integer> labelCounts = new HashMap<String, Integer>();
    // 对每组特征向量进行统计
    for (ArrayList<String> featVec : dataSet) {
        String currentLabel = featVec.get(featVec.size() - 1); // 提取标签信息
        if (!labelCounts.containsKey(currentLabel)) { // 如果标签没有放入统计次数的字典，添加进去
            labelCounts.put(currentLabel, 0);
        }
        labelCounts.put(currentLabel, labelCounts.get(currentLabel) + 1); // label计数
    }
    double shannonEnt = 0.0; // 经验熵
    // 计算经验熵
    for (String key : labelCounts.keySet()) {
        double prob = (double) labelCounts.get(key) / numEntries; // 选择该标签的概率
        shannonEnt -= prob * log(prob, 2); // 利用公式计算
    }
    return shannonEnt; // 返回经验熵
}

private static double log(double value, int base) {
    return Math.log(value) / Math.log(base);
}

这是一个计算数据集经验熵的函数，输入参数为一个包含数据的二维ArrayList对象。函数首先计算数据集中不同标签出现的次数，然后根据公式计算经验熵并返回结果。