数据离散化的分类,特征离散化

数据挖掘离散化如何划分 2023-09-29 22:16 860 墨鱼

数据挖掘离散化如何划分

数据离散化的分类,特征离散化

一些数据挖掘算法中，特别是某些分类算法（eg:LR、决策树算法等），要求数据是分类属性形式。因此常常需要数据预处理之离散化按照我们对于变量的分类：分为数值变量和分类变量，数值变量可以分为连续型和离散型，分类变量又有有序的和无序的。下面我将介绍一些对于这些

●▽● 引入变精度粗糙集模型，有效地控制数据由离散化导致的信息丢失.该方法在声纳传感器数据识别以及其它领域上进行了应用.实验结果表明，该方法在J48决策树上有很好5. 二值化离散法6. 基于卡方分裂的离散法7. 1R离散法很多做科研的小伙伴在处理数据时很多时候都需要将连续的数据离散化，然后再代入数理模型中去运行，这样可以提高模型的一个运行

本文首先介绍了离散化方法的分类，同时还按照分类介绍几种具有代表性的离散化方法。然后比较各种离散化方法在特定应用环境下的优势和不足，提出需根据具体应用特征选取离散化方有些数据挖掘算法，特别是某些分类算法(如朴素贝叶斯),要求数据是分类属性形式(类别型属性)这样常常需要将连续属性变换成分类属性(离散化，Discretization)。另外

ˋ０ˊ 按照我们对于变量的分类：分为数值变量和分类变量，数值变量可以分为连续型和离散型，分类变量又有有序的和无序的。下面我将介绍一些关于数据离散化处理的相关问将数值型变量转换为类别型变量的过程就是数据离散化。数值型变量常常是模型不稳定的原因之一，通常，我们会发现分类模型在训练数据集中的预测准确率很高，但是在

⊙﹏⊙‖∣° 连续数据离散化就是在数据的取值范围内，设定若干个离散的划分点，将取值范围划分为一些离散化的区间，最后用不同的符号或整数值代表落在每个子区间中的数据值。结果分析：此矩阵为标准化后的数据，attr(,"scaled:center")是原数据的均值，attr(,"scaled:scale")是原数据的标准差。5．离散化：数值属性（例如，年龄）的原始值⽤区间标签

后台-插件-广告管理-内容页尾部广告（手机）

标签：特征离散化