python数据离散化代码_数据离散化与Python实现

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、等宽分组

原理：根据分组的个数得出固定的宽度，分到每个组中的变量的宽度是相等的。

如：现在有一个待离散化的数组[1, 7, 12, 12, 22, 30, 34, 38, 46]，需要分成三组，

那么，

，即宽度 =( 46 - 1)/3 = 15

分组后结果范围：[1,16]，(16, 31]，(31, 46]，第一个分组取的是全闭区间，

分组后结果：[1, 7, 12, 12]，[22, 30]，[34, 38, 46]

2、等频分组

原理：等频分组也叫分位数分组，即分组后，每个分组的元素个数是一样的。

如：现在有一个待离散化的数组[1, 7, 12, 12, 22, 30, 34, 38, 46]，需要分成三组，

那么，