样本空间的离散化

代码参考出处https://blog.csdn.net/HackerTom/article/details/78597630

看了以上代码，对离散化部分作一小结。

需要的三个主要的特征空间：samspc（样本 空间），dsc（离散化的空间），ver（反离散化空间），以及过度的数据集buf

1. buf：他是vector<vector<string>>,是真正输入时候的（n-m）数据集，输入什么就是什么。
2. dsc：这个空间是vector<map<string,int>>,这是一个新手需要好好理解才能理解透的转化，dsc[d][buf[i][d]]=val, buf[i][d]表示第i条数据的第d个特征的string值S，但在dsc的空间里，dsc[d][S]表示第d个特征的对应S的离散数值，该离散数值val从1开始，第d个特征有n种类型就包括1,2，……n，没有重复。dsc[i].size()就表示第i个特征的取值的个数。dsc[n].size()即表示label的种类数。
3. ver：这个空间是vector<map<int,string>>，他最为反离散起到与dsc相反的作用，即ver[d][val]=buf[i][d]。
4. samspc：这个空间的定义类型是vector<vector<int>>，初始化全为0，已经是离散化的结果了，samspc[j][i]就表示第j条数据的第i个特征的值，即samspc[j][i]=dsc[i][buf[j][i]],这是一个巧妙的转换，看懂了就不难了。samspc[j].back返回的是lable的值。