Python数据清洗实战入门
Python数据挖掘简易入门
数据分析入门与应用
Python数据处理实战：基于真实场景的数据
Python数据分析实战与运用-从入门到实战

...

数据离散化

eg0u9174 2023-01-13 01:53:10

课时名称	课时知识点
数据离散化	数据离散化

...全文

给本帖投票

171 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

本资源为modbus应用协议，对于开发modbus应用有一定帮助

离散化：就是把无限空间中有限的个体映射到有限的空间中。数据离散化操作大多是针对连续数据进行的，处理之后的数据值域分布将从连续属性变为离散属性。 离散化方式会影响后续数据建模和应用效果：使用决策树往往倾向于少量的离散化区间，过多的离散化将使得规则过多受到碎片区间的影响。关联规则需要对所有特征一起离散化，关联规则关注的是所有特征的关联关系，如果对每个列单独离散化将失去整体规则性。...

一些数据挖掘算法，比如Apriori算法等，要求数据是分类属性形式，需要进行连续数据离散化。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。 离散化涉及两个子任务： 1、确定分类数 2、将连续属性值映射到这些分类值举例1，先导入数据，如下：常用的离散化方法： 1、等宽...

目录数据离散化的应用场景和必要性针对时间数据的离散化 针对多值离散数据的离散化 针对连续数据的离散化 针对连续数据的二值化参考资料：《Python数据分析与数据化运营》宋天龙数据离散化的应用场景和必要性数据离散化大多是针对连续数据进行的，处理之后的数据将从连续属性变为离散属性。离散化处理的必要性：节约计算资源，提高计算效率。算法模型（尤其是分类模型）的计算需要。虽然很多模型，例如决策树可以支持输入连续型数据，但是决策树本身会先将连续型数据转化为离散型数据，因此离散化转换是一

一、原理数据离散化(也称，数据分组)，指将连续的数据进行分组，使其变为一段离散化的区间。根据离散化过程中是否考虑类别属性，可以将离散化算法分为：有监督算法和无监督算法。事实证明，由于有监督算法充分利用了类别属性的信息，所以再分类中能获得较高的正确率。常用的数据离散化方法：等宽分组等频分组单变量分组基于信息熵分组数据离散化所使用的方法需要事先对数据进行排序，且假设待离散化的数据是按照升序排序。1、等...

Peter的课程社区_NO_1

1

社区成员

264

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章