《R语言数据挖掘:实用项目解析》——第2章,第2.6节变量分段

  1. 云栖社区>
  2. 华章计算机>
  3. 博客>
  4. 正文

《R语言数据挖掘:实用项目解析》——第2章,第2.6节变量分段

华章计算机 2017-05-02 15:14:00 浏览916
展开阅读全文

本节书摘来自华章出版社《R语言数据挖掘:实用项目解析》一书中的第2章,第2.6节变量分段,作者[印度]普拉迪帕塔·米什拉(Pradeepta Mishra),更多章节内容可以访问云栖社区“华章计算机”公众号查看

2.6 变量分段
在将连续变量纳入模型之前,需要对其进行处理。以Cars93数据集中的油箱容量为例,基于油箱容量,我们可以创建一个分类变量,值为高、中和低、低中:


f024e627d9d635b087ee479caaa1f45c0a799220

油箱容量的值域为9.2~27。根据逻辑,使用分类差4(也即每个分类之间相差4)完成分类。这些分类定义了变量中的每一个值被分配到每一组的方式。最后的输出表显示有4个组,最高的油箱容量组只有4辆车。
变量分段或离散化不仅有助于建立决策树,在做logistic回归和其他形式的机器学习模型时也会用到。

网友评论

登录后评论
0/500
评论
华章计算机
+ 关注
所属团队号: 华章计算机