python数据分析与实战学习笔记一：连续属性离散化

最新推荐文章于 2024-01-24 15:00:10 发布

braveheartm

最新推荐文章于 2024-01-24 15:00:10 发布

阅读量2.1k

点赞数 2

文章标签： python数据分析与挖掘

本文链接：https://blog.csdn.net/braveheartm/article/details/81393446

版权

本文介绍了Python中连续数据离散化的三种主要方法：等宽法、等频法和聚类法，详细阐述了每种方法的原理，并以K-means聚类为例，探讨了实际操作中可能遇到的问题，如数据结构转换、排序和移动窗口函数的使用技巧。

摘要由CSDN通过智能技术生成

今天学习了将连续数据离散化的方法，主要有三个：等宽法、等频法、聚类法
等宽法是将数据的值域等分，每个部分拥有相同的宽度，然后为每个部分打上不同的符号或数值进行离散化;
等频法则是要求每个部分的记录数相同;
聚类法则是使用聚类算法比如k-means算法进行聚类获得簇，然后将合并到同一个簇做同一个标记。
三种离散化方法都需要用户指定产生的区间数

书中用K-mean进行数据离散化的代码在python3环境运行时出现了一些错误：

from sklearn.cluster import KMeans #引入KMeans
kmodel = KMeans(n_clusters = k, n_jobs = 4) #建立模型，n_jobs是并行数，一般等于CPU数较好
kmodel.fit(data.reshape((len(data), 1))) #训练模型
c = pd.DataFrame(kmodel.cluster_centers_).sor