四、數(shù)據(jù)預(yù)處理——處理連續(xù)型特征：二值化與分段

點(diǎn)擊標(biāo)題即可獲取文章相關(guān)的源代碼文件喲！

- sklearn.preprocessing.Binarizer
根據(jù)閾值將數(shù)據(jù)二值化（將特征值設(shè)置為0或1），用于處理連續(xù)型變量。大于閾值的值映射為1，而小于或等于閾值的值映射為0。默認(rèn)閾值為0時(shí)，特征中所有的正值都映射到1。二值化是對(duì)文本計(jì)數(shù)數(shù)據(jù)的常見操作，分析人員可以決定僅考慮某種現(xiàn)象的存在與否。它還可以用作考慮布爾隨機(jī)變量的估計(jì)器的預(yù)處理步驟（例如，使用貝葉斯設(shè)置中的伯努利分布建模）。

• preprocessing.KBinsDiscretizer
  這是將連續(xù)型變量劃分為分類變量的類，能夠?qū)⑦B續(xù)型變量排序后按順序分箱后編碼?？偣舶齻€(gè)重要參數(shù)：
  
  
  
  

創(chuàng)作挑戰(zhàn)賽新人創(chuàng)作獎(jiǎng)勵(lì)來(lái)咯，堅(jiān)持創(chuàng)作打卡瓜分現(xiàn)金大獎(jiǎng)

總結(jié)

以上是生活随笔為你收集整理的四、数据预处理——处理连续型特征：二值化与分段的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。