知识卡片
离散化制造分层
离散化把连续值分成有限区间或类别,便于按组统计与比较,同时会丢掉同箱内部的精细差异。区间与名称是分析规则,不是自然存在的唯一分类。采用分箱时应保留边界、样本范围和原始数值,不能让“青年”等命名替代实际年龄范围。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 2 处
- · 查看原书依据
连续数据常常被离散化或拆分为“面元”(bin)。假设有一组人员数据,而你希望将它们划分为不同的年龄组: In [153]: ages = [20, 22, 25, 27, 21, 23, 37, 31, 61, 45, 41, 32] 接下来将这些数据划分为“18到25”、“26到35”、“35到60”以及“60以上”几个面元。要实现该功能,你需要使用pan
- · 查看原书依据
pd.get_dummies(pd.cut(values, bins)) Out[207]: (0, 0.2] (0.2, 0.4] (0.4, 0.6] (0.6, 0.8] (0.8, 1] 0 0 0 0 0 1 1 0 1 0 0 0 2 1 0 0 0 0 3 0 1 0 0 0 4 0 0 1 0 0 5 0 0 1 0 0 6 0 0 0 0
参考来源
《利用Python进行数据分析》第7章《数据规整化:清理、转换、合并、重塑》
- 位置:《利用Python进行数据分析》第7章《离散化和面元划分》(spine294;extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part0280.html;u159-ch07-006)。
- 结论依据:原文在“连续数据常常被离散化”附近的定义、例子或代码支撑本卡核心说明:离散化把连续值分成有限区间或类别,便于按组统计与比较,同时会丢掉同箱内部的精细差异。边界按已读前提解释;示例未执行。
- 原始内容:连续数据常常被离散化或拆分为“面元”(bin)。假设有一组人员数据,而你希望将它们划分为不同的年龄组: In [153]: ages = [20, 22, 25, 27, 21, 23, 37, 31, 61, 45, 41, 32] 接下来将这些数据划分为“18到25”、“26到35”、“35到60”以及“60以上”几个面元。要实现该功能,你需要使用pan
- 位置:《利用Python进行数据分析》第7章《计算指标/哑变量》(spine294;extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part0280.html;u162-ch07-006)。
- 结论依据:连续数值先分箱再做指标编码,列仍表示有明确边界的区间,而不是原数值本身;原始连续信息已损失,不能从0/1编码无条件恢复。
- 原始内容:pd.get_dummies(pd.cut(values, bins)) Out[207]: (0, 0.2] (0.2, 0.4] (0.4, 0.6] (0.6, 0.8] (0.8, 1] 0 0 0 0 0 1 1 0 1 0 0 0 2 1 0 0 0 0 3 0 1 0 0 0 4 0 0 1 0 0 5 0 0 1 0 0 6 0 0 0 0