问题标签 [discretization]

我正在使用 arules 包来离散化数据框中的连续变量。我正在使用这个特定的行

离散化（数据 1，类别 = 3）

但它给了我一个错误

cut.default(x,k2) 中的错误：k2 必须是数字

我只是想将我的连续变量从“data1”数据帧转换为 3 箱离散变量。任何帮助将不胜感激...在此先感谢

继续如何在sklearn中对连续属性进行离散化？

在我从训练数据中“学习”我的 bin 之后，np.histogram(A['my_var'])如何将它应用到我的测试集上？每个数据点的 my_var 属性在哪个 bin 中？如果重要的话，我的训练数据和测试数据都在 pandas 数据框中。

谢谢

随机森林接受数字数据。通常，带有文本数据的特征被转换为数字类别，连续的数字数据按原样输入，没有离散化。RF如何处理创建节点的连续数据？它会在内部对连续的数值数据进行分类吗？或将每个数据视为离散级别。

例如：我想向 RF 提供一个数据集（当然是在对文本特征进行分类之后）。RF如何处理连续数据？是否建议在喂食之前离散化连续数据（在这种情况下为经度和纬度）？还是这样做信息丢失了？

我正在使用 R 的“离散化”包。在找到切点时，我得到以下结果。

命令 ：

其中Dist_to_Stream是数值变量，Malaria_w3是类（分类）

输出切点太多（34 个 bin）。有没有办法在监督（基于熵）分箱时控制切割点的数量？

提前致谢..

根据论文http://www.uta.edu/utari/acs/ee4314/lectures/Lecture%207b.pdf（最后一页），我在 Simulink 中实现了倒立摆的数学模型。我现在的任务是离散化这样的模型并在 Simulink（离散 PID）中设计一个离散控制器。

从理论上我知道系统的采样时间必须满足奈奎斯特采样定理。

如何估计（理论上或实验上）连续时间模型的最高频率以选择合适的采样时间？

谢谢

我正在使用 Banjo（BAyesian Network inference with Java Objects）来分析一组数据。我希望每个变量采用超过 7 个值的范围（Banjo 将此限制放在变量可以采用的值的数量中），而不使用 Banjo 离散化策略（ix，qx）。有什么办法可以只修改设置文件，还是我必须修改代码？谢谢

我有一个不平衡的数字数据集，如下所示：

.

我需要将数据分箱到 8 个箱中，但是如果我将箱设置为相同大小，我会将所有数据仅放入两个箱中，而中间的其余部分将为空。

有没有一种统计或数学方法可以在有很多数据点时用细粒度的 bin 离散数据，然后在数据点很少时使其更粗粒度的 bin？

我有一个功能

我想离散化。我将执行涉及此函数的优化，我认为优化的效率将受益于离散函数，然后对数据进行样条插值，而不必评估连续函数。本质上，我希望 output1 和 output2 中的每一个都有一个 10 维双精度，它们与 v1、v2、... v10 的不同值相关。

有了无限的时间和记忆，我会做以下事情：

时间和内存（需要执行 ndgrid 和 arrayfun）显然不允许这样做。谁能想到变通方法，或者这个离散化 10 个变量的函数的问题完全难以解决？

我正在做一个项目，完全解释起来很复杂，但它如下所示：

我们有 2 个信号 A 和 B，其中 B 是 A 的时间延迟回波。我想使用实时互相关来表明时间延迟将保持不变，而信号通过的介质不会改变。

由于我缺乏 Simulink 和 Communications Statistics 等方面的经验而出现问题。

那么我该怎么做呢？我有两个连续信号 A 和 B，我相信我要做的就是将它们转换为离散信号，然后使用基于帧的处理和 XCORR ......但我只是不知道该怎么做。

任何人都可以帮忙吗？或者甚至提供如何交叉关联两个连续信号的示例/如何使用 XCORR 和基于帧的处理的示例？

我正在尝试离散化一个连续变量，将其分成三个级别。我想对正连续变量（在本例中为收入）的对数做同样的事情。

我原以为使用cut()会对每个变量（收入和对数收入）的离散化因子产生相同的水平，因为对数是单调函数。所以这里右边的两列应该是相等的，但这似乎没有发生。这是怎么回事？

编辑： @nicola 的评论解释了问题的根源。似乎在cut的文档中，“等长间隔”是指连续参数空间中的间隔长度。我最初将“等长间隔”解释为意味着分配给每个剪辑（在输出上）的元素数量将相等（而不是输入）。

有没有我所描述的功能？-- 每个输出级别中的元素数量是相等的吗？等效地， 和 的水平在哪里newfunc(realinc)相等newfunc(logrealinc)？