【机器学习】数据离散化

首先要知道为什么要做数据离散化，例：

晴天 阴天 下雨

猫 狗 猪

如果不做离散化，我们把晴天标注为1，阴天标注为2，下雨标注为3，那么对于计算机来说1+2=3，就真的是一个晴天和一个阴天在一起的时候就等于一个雨天吗？实际上是没有这种物理意义的，在或者说，猫标注为-1，狗标注为0，猪标注为1，难道一只猫和一直猪在一起的时候就等同于一只狗吗？

所以，在机器学习中，我们需要做数据离散化，比如晴天的时候是100，阴天的时候是010，下雨的时候是001，这样对于计算机来说是可识别的，而且对于实际来说也没有任何的物理意义。对于离散数据来说，分割的数量是2^N。

离散化分割数量

再比如说车速：

60 65 70 75 80 85 90

这种连续行的数据也是需要做离散化的，因为如果不做离散化，每一个车速就等同于一个维度，那么对于一个跟速度有关的机器学习类算法中，你会有相当多的只是速度有关的维度，如果做了离散化，维度就会大大降低，比如：低速（60-75），中速（70-75），高速（80-90），这样维度就缩减了很多。对于连续数据来说，分割数量是N+1。