连续数值特征离散化

标签：logs   存储空间   复杂   空间   工程   png   合并   而不是   har   

特征工程中 很常见的一步，特征离散化。最优离散化问题是一个 NP-hard问题。所以所谓的离散化方法只是某种启发式，某种情况下及考量下最优的方法。

好处

1. 减少连续特征的个数，减少存储空间大小

2. 更容易被接受。人更容易接受离散的范围，而不是准确的数值。也就是更容易理解，使用和解释

3. 离散化使得部门算法更准确和迅速

4. 有些算法只能应用于离散型数据

5. 降低过拟合

一般流程

1. 排序。数据一大，一般排序有利于提高速度和降低复杂度

2. 选择某些点作为候选点。用所选的具体方法作为衡量这个候选点是否满足要求

3. 可能接下来就进入分裂和合并，选择下一个候选点。

4. 停止条件

常见算法

连续数值特征离散化

标签：logs   存储空间   复杂   空间   工程   png   合并   而不是   har   

原文地址：http://www.cnblogs.com/chenb/p/6391691.html