连续特征离散化

1. Entropy-Based Discretization 基于熵的离散化

连续特征离散化

用熵对连续数据进行离散化，其基本思想是利用熵的大小来表示划分后数据集的纯度，熵越小，数据纯度越大，得到的离散数据可用性就更高

具体做法是：先把数据集划分为两部分，计算两部分的熵的和，在熵最小的地方划分，然后对熵最大的那部分重复此步骤，直到满足用户需要的数据集个数

相关文章：

  • 2022-12-23
  • 2021-06-16
  • 2021-12-06
  • 2021-05-20
  • 2022-12-23
  • 2021-10-11
  • 2021-04-12
  • 2021-09-23
猜你喜欢
  • 2022-01-11
  • 2021-05-22
  • 2021-11-24
  • 2022-01-16
  • 2021-04-22
  • 2021-09-17
  • 2021-07-01
相关资源
相似解决方案
热门标签
Java Python linux javascript Mysql C# Docker 算法 前端 SpringBoot Redis Vue spring 设计模式 .net core .net kubernetes c++ 数据库 数据结构 大数据 js 机器学习 微服务 Android Go 程序员 面试 JVM ASP.net core 云原生 人工智能 后端 PHP git CSS golang k8s Nginx Django mybatis 深度学习 多线程 React 架构 devops 爬虫 云计算 Spring Boot LeetCode