【机器学习】数据离散化

首先要知道为什么要做数据离散化,例:

晴天 阴天 下雨

如果不做离散化,我们把晴天标注为1,阴天标注为2,下雨标注为3,那么对于计算机来说1+2=3,就真的是一个晴天和一个阴天在一起的时候就等于一个雨天吗?实际上是没有这种物理意义的,在或者说,猫标注为-1,狗标注为0,猪标注为1,难道一只猫和一直猪在一起的时候就等同于一只狗吗?

所以,在机器学习中,我们需要做数据离散化,比如晴天的时候是100,阴天的时候是010,下雨的时候是001,这样对于计算机来说是可识别的,而且对于实际来说也没有任何的物理意义。对于离散数据来说,分割的数量是2^N。

【机器学习】数据离散化_第1张图片

离散化分割数量


再比如说车速:

60 65 70 75 80 85 90

这种连续行的数据也是需要做离散化的,因为如果不做离散化,每一个车速就等同于一个维度,那么对于一个跟速度有关的机器学习类算法中,你会有相当多的只是速度有关的维度,如果做了离散化,维度就会大大降低,比如:低速(60-75),中速(70-75),高速(80-90),这样维度就缩减了很多。对于连续数据来说,分割数量是N+1。

你可能感兴趣的:(【机器学习】数据离散化)