一批数据只有两个类别，输入其中一个类别的比例，计算该批数据针对类别的信息熵 用python

信息熵（Entropy）是用来衡量不确定性或信息量的一个指标，对于二分类问题，我们可以使用简单公式来计算。假设我们有两类数据，类别A的比例为\( p \)，类别B的比例为\( 1-p \)（因为总和为1），信息熵H(p)的计算公式是：

\[ H(p) = -p \cdot \log_2(p) - (1-p) \cdot \log_2(1-p) \]

在这个公式中，\(\log_2\)表示以2为底的对数。如果类别A的概率接近0或1（即高度确定的情况），信息熵会较低；而如果概率接近0.5（不确定的情况），信息熵最高。

下面是一个简单的Python函数，用于计算给定比例的信息熵：

import math

def binary_entropy(proportion):
    if proportion <= 0 or proportion >= 1:
        raise ValueError("Proportion should be between 0 and 1")
    
    entropy = - proportion * math.log2(proportion) - (1 - proportion) * math.log2(1 - proportion)
    return entropy

# 示例：如果类别A占70%，则熵值计算
prop_class_A = 0.7
entropy_value = binary_entropy(prop_class_A)
print(f"类别A的熵为：{entropy_value}")