Equal - depth binning - 是否只是将数据分组到 k 组答案

【问题标题】：Equal - depth binning- whether it is just grouping data into k groupsEqual - depth binning - 是否只是将数据分组到 k 组
【发布时间】：2015-12-14 10:07:07
【问题描述】：

等深或等频分箱的一个小困惑

等深分箱表示 - 它将范围划分为 N 个区间，每个区间包含大致相同数量的样本

让我们获取一小部分虹膜数据

5.1,3.5,1.4,0.2,Iris-setosa
4.9,3.0,1.4,0.2,Iris-setosa
4.7,3.2,1.3,0.2,Iris-setosa
4.6,3.1,1.5,0.2,Iris-setosa
5.0,3.6,1.4,0.2,Iris-setosa

如果我需要对我的第一列进行装箱，结果会是什么？无论是只是对数据进行分组，还是包含一些计算，例如等宽分箱。

如果要分箱的元素数量是奇数，会发生什么情况。我将如何平等地分箱？

【问题讨论】：

标签： data-mining binning

【解决方案1】：

就像@Anony-Mousse 提到的那样，并不总是能够完全在一个 bin 中获得相同数量的样本，大约才是我们想要的。

我将带您了解unique(N)/bins > 0 的情况，其中N 表示要分箱的数组中的值。假设

N = [1, 1, 1, 1, 1, 1, 2, 3, 4, 5, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6] bins = 4

在这里，length(N) = 20 和 length(unique(N)) = 6，生成 unique(N)/bins = 1.5 > 0。这意味着每个 bin 将大约有 1.5 个样本。所以你将把1放在bin1中，把0.5个残差带到下一个bin，使那个bin中的元素数量为1.5 + 0.5 = 2，所以2和3将是在 bin2 中。推断这个逻辑，最终的 bin 将具有以下拆分。 [1], [2,3], [4], [5,6] 当然 1 重复 6 次，6 重复 10 次。我不希望 ties 放在单独的垃圾箱中，这通常是拥有垃圾箱的关键（将值分组彼此接近）。

对于unique(N)/bins < 0 的情况，可以应用相同的逻辑。希望这能回答你的问题。

【讨论】：

【解决方案2】：

有时您无法制作完全相同大小的垃圾箱。

例如，如果您的数据是

1,1,1,2,99

而你想要 4 个 bin，那么最直观的结果应该是

[1,1,1], [2], [], [99]

大多数工具都会产生以下答案之一：

[1,1,1], [], [2], [99]
[1,1], [1], [2], [99]
[1], [1], [1], [2,99]

没有一个在每个 bin 中正好有 1.25 个元素。最后两个解决方案最接近，但也是最不直观的。这就是为什么一个人只要求“大约相同的数字”。有时，没有好的解决方案恰好具有这种频率。

【讨论】：

假设我有 4 个垃圾箱。从您提到的答案来看，数据是这样的“[1,1,1]，[2]，[]，[99]”，那么我们如何将元素放入这些垃圾箱中？有什么方程式吗？
好的。如果我有 8 个元素要分箱到 4 个箱中。然后我需要对数据进行排序并删除元素。不是吗？例如：4,2,1,8,0,9,5,5 排序--> 0,1,2,4,5,5,8,9 ;所以垃圾箱就像 [0,1] [2,4] [5,5] [8,9] 。对吗？
分位数分箱是一种方法，但在处理 ties 的方式上仍然会有所不同。解决方案 [0,1,2][4,5,5][][8,9] 也同样好，只是使用了不同的逻辑。