四、数据预处理——处理连续型特征：二值化与分段

最新推荐文章于 2024-06-08 16:12:14 发布

小小白学计算机

最新推荐文章于 2024-06-08 16:12:14 发布

阅读量1.1k

点赞数 2

文章标签：机器学习大数据数据分析二值化和分段 python

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/weixin_44827418/article/details/106859934

版权

机器学习专栏收录该内容

16 篇文章 7 订阅

订阅专栏

四、数据预处理——处理连续型特征：二值化与分段

点击标题即可获取文章相关的源代码文件哟！

- sklearn.preprocessing.Binarizer
根据阈值将数据二值化（将特征值设置为0或1），用于处理连续型变量。大于阈值的值映射为1，而小于或等于阈值的值映射为0。默认阈值为0时，特征中所有的正值都映射到1。二值化是对文本计数数据的常见操作，分析人员可以决定仅考虑某种现象的存在与否。它还可以用作考虑布尔随机变量的估计器的预处理步骤（例如，使用贝叶斯设置中的伯努利分布建模）。
在这里插入图片描述

preprocessing.KBinsDiscretizer
这是将连续型变量划分为分类变量的类，能够将连续型变量排序后按顺序分箱后编码。总共包含三个重要参数：

小小白学计算机

关注

2
点赞
踩
3

收藏

觉得还不错? 一键收藏
0
评论
四、数据预处理——处理连续型特征：二值化与分段

- sklearn.preprocessing.Binarizer根据阈值将数据二值化（将特征值设置为0或1），用于处理连续型变量。大于阈值的值映射为1，而小于或等于阈值的值映射为0。默认阈值为0时，特征中所有的正值都映射到1。二值化是对文本计数数据的常见操作，分析人员可以决定仅考虑某种现象的存在与否。它还可以用作考虑布尔随机变量的估计器的预处理步骤（例如，使用贝叶斯设置中的伯努利分布建模）。preprocessing.KBinsDiscretizer这是将连续型变量划分为分类变量的类，能够
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。