属性（特征）离散化的方法

前面转载了一篇博文，这里自己再进行一下补充和梳理
属性（特征）离散化是指设置若干离散的划分点，将属性的取值化为一个个区间，再用离散值表示，一般取整数表示，为了计算机的识别

常用的离散化的方法
一、非监督方法
1.分箱离散化
是指基于指定的箱子的个数自定向下的分裂计数，通过使用等宽或等频分箱，然后用箱子中的均值或者中位数来代表每个箱子，实现离散化
2.通过聚类离散化
通过将属性A的值划分为簇或组，产生高质量的离散化结果，是自顶向下

二、监督方法
前篇已经总结了三种方法
1.通过分类决策树离散化，这个主要就是利用了分类决策树的原理将属性取值划分为一个个叶节点，是自顶向下
2.相关性度量，也就是前篇里的卡方检验，这是一种自底向上的划分策略，递归的找最邻近的区间，然后合并它们。