【Python机器学习】决策树（decision tree）——连续值处理

喜欢可以关注【小猪课堂】公众号了解更多内容

决策树（decision tree）(三)——连续值处理
**注：本博客为周志华《机器学习》读书笔记，虽然有一些自己的理解，但是其中仍然有大量文字摘自周老师的《机器学习》书。
决策树系列博客：
决策树（decision tree）(一)——构造决策树方法
决策树（decision tree）(二)——剪枝
决策树（decision tree）(三)——连续值处理
决策树（decision tree）（四）缺失值处理
前面两篇博客分别介绍了如何构造决策树（根据信息增益，信息增益率，基尼指数等）和如何对决策树进行剪枝（预剪枝和后剪枝），但是前面两篇博客主要都是基于离散变量的，然而我们现实的机器学习任务中会遇到连续属性，这篇博客主要介绍决策树如何处理连续值。
| 连续值处理
因为连续属性的可取值数目不再有限，因此不能像前面处理离散属性枚举离散属性取值来对结点进行划分。因此需要连续属性离散化，常用的离散化策略是二分法，这个技术也是C4.5中采用的策略。下面来具体介绍下，如何采用二分法对连续属性离散化：