离散化 (Discretization) (有些时候叫 量化(quantization) 或 装箱(binning)) 提供了将连续特征划分为离散特征值的方法。 某些具有连续特征的数据集会受益于离散化，因为 离散化可以把具有连续属性的数据集变换成只有名义属性(nominal attributes)的
转载
2021-06-19 16:35:00
1507阅读
2评论
2. 使用sklearn构建完整的机器学习项目流程一般来说，一个完整的机器学习项目分为以下步骤：明确项目任务：回归/分类收集数据集并选择合适的特征。选择度量模型性能的指标。选择具体的模型并进行训练以优化模型。评估模型的性能并调参。2.1 使用sklearn建立完整的回归项目2.1.1 收集数据集并选择合适的特征在数据集上我们使用我们比较熟悉的Boston房价数据集，原因是：第一个，我们通过这些简单
转载
2024-05-11 12:05:40
89阅读
回归算法回归算法线性回归和非线性回归：线性回归线性回归方程：损失函数：损失函数推理过程：公式转换：误差公式：转化为`θ`求解：似然函数求`θ`：对数似然：损失函数：梯度下降：批量梯度下降（BGD）：随机梯度下降（SGD）：`mini-batch`小批量梯下降MBGD：线性回归案例：正则化与岭回归：总结：逻辑回归精确率和召回率：癌症患者逻辑回归案例：逻辑回归总结： 回归算法数据类型分为连续型和离散
转载
2024-04-01 20:19:35
569阅读
先看一到例题 给定 n 个数（可能相同），出现次数最多的数出现了多少次。（ai <= 10 ^ 9） 嗯……这道题看似一道水题，只要开一个 vis 数组记录每一个数字出现的次数即可，比如 vis[a[i]]++。但是值得注意的是，ai可能非常大，这就导致 vis 数组会开不下，因此，就要用到离散化。
原创
2021-05-29 18:32:10
242阅读
离散化:概念:把一些很离散的点个重新分配,使它们尽量集中.如在1e10的范围中取1e4个数据,如果不进行离散化,则要开辟1e10的空间,而实际上只要1e4的空间就可以装下每次取出的数据,所以可通过离散化来集中这些数据.离散化的本质就是建立一个映射关系,即第n大的数字对应是几,如一组数6,2,4,66 ...
转载
2021-07-28 16:33:00
199阅读
2评论
3 -1 2 -2 这个数列有 5个逆序对 4 2 3 1 也是五个 我们把最小的-2视作1 第二的-1看做2 ... 法一（推荐）： 结构体保存数组num 和它在原数组里的下标 {3,1}{-1,2}{2,3}{-2,4} 然后按数字大小排序 {-2,4}{-1,2}{2,3}{3,1} 现在我们 ...
转载
2021-10-08 20:14:00
163阅读
2评论
数据预处理数据挖掘中主要用于数据预处理的方法有以下几种：1. 聚集（Aggregation）2. 抽样（Sampling）3. 维归约（DimensionalityReduction）4. 特征子集选择（Feature subset selection）5. 特征创建（Feature creation）6. 离散化（Discretization）和二元化（Binarization）7. 属性变换练
转载
2023-11-18 20:59:42
141阅读
离散化如果一个数值范围是0-10^9，数值域特别大，个数比较小，比如只有10^5个数（值域跨度很大，数分布很稀疏）。如果开10^9区域特别浪费内存。所以我们需要把他们映射到从0开始的连续的自然数。例：数组a[] = 1, 3, 100, 2000, 500000.数值很大，但是里面的数很小。我们使用0，1，2，3，4，来分别映射到1，3，100，2000，500000中.这个过程就叫做离散化。离散
转载
2024-04-19 15:27:45
96阅读
题目链接：https://www.acwing.com/problem/content/description/804/ 思路： 离散化实质是一种映射 1 #include <bits/stdc++.h> 2 using namespace std; 3 const int N=3e5+10; 4
原创
2022-01-13 17:56:20
92阅读
目录离散化其他代码参考理解离散化参考pecco算法笔记理解离散化，就是当我们只关心数据的大小关系时，用排名代替原数据进行处理的一种预处理方法。离散化本质上是一种哈希，它在保持原序列大小关系的前提下把其映射成正整数。当原数据很大或含有负数、小数时，难以表示为数组下标，一些算法和数据结构（如BIT）无法运作，这时我们就可以考虑将其离散化。将数据的某一特征将其转化为另一种可靠的数据格式进行存储三个工具人
转载
2021-05-04 21:09:55
287阅读
2评论
离散化，就是把一些很离散的点给重新分配。举个例子，如果一个坐标轴很长(>1e10)，给你1e4个坐标，询问某一个点，坐标比它小的点有多少。 很容易就知道，对于1e4个点，我们不必把他们在坐标轴上的位置都表示出来，因为我们比较有多少比它小的话，只需要知道他们之间的相对大小就可以，而不是绝对大小，这，就
原创
2021-08-03 09:15:56
218阅读
#include<bits/stdc++.h> using namespace std; int a[10001],b[10001]; int n; int main() { cin>>n; for(int i=1;i<=n;i++){ cin>>a[i]; b[i]=a[i]; } sort(b+
转载
2017-08-09 09:17:00
96阅读
2评论
什么是 离散化 ??? 一些数字，它们的范围很大（0-1e9），但是个数不多（1-1e5），并且这些数本身的数字大小不重要，重要的是这些数字之间的相对大小 第一种离散化 包含重复元素，并且相同元素离散化后也要相同 蒟蒻代码 const int N=1e5 + 5; int book[N],a[N]; ...
转载
2021-08-22 20:11:00
224阅读
2评论
离散化是什么：一些数字，他们的范围很大（0-1e9），但是个数不算多（1-1e5），并且这些数本身的数字大小不重要，重要的是这些数字之间的相对大小（比如说某个数字是这些数字中的第几小，而与这个数字本身大小没有关系，要的是相对大小）（6 8 9 4 离散化后即为 2 3 4 1）（要理解相对大小的意思）（6在这4个数字中排第二小，那么就把6离散化成2，与数字6本身没有关系， 8,9,4亦是
转载
2022-07-05 10:16:07
124阅读
数据得离散化是重要的算法思想。(如果每个数据元素的具体值并不重要，重要的是他们之间的大小关系的话，我们可以先对这些数据进行离散化，使数据中的最大值尽可能小且保证所有数据都是正数)当以权值为下标的时候，有时候值太大，存不下。 所以把要离散化的每一个数组里面的数映射到另一个值小一点的数组里面去。打个比方，某个题目告诉你有10^4个数，每个数大小不超过10^10，要你对这些数进行操作，那么肯定不能直接开
转载
2023-07-01 16:42:07
180阅读
特征二值化 是 将数值特征用阈值过滤得到布尔值 的过程。这对于下游的概率型模型是有用的，它们假设输入数据是多值 伯努利分布(Bernoulli distribution) 。例如这个示例 sklearn.neural_network.BernoulliRBM 。 即使归一化计数(又名术语频率)和TF
转载
2021-06-19 16:45:00
1102阅读
2评论
1、什么是数据的离散化连续属性的离散化就是在连续属性的值域上，将值域划分为若干个离散的区间，最后用不同的符号或整数值代表落在每个子区间中的属性值。2、为什么要离散化为了简化数据结构，数据离散化技术可以用来减少给定连续属性值的个数。离散化方法经常作为数据挖掘的工具扔掉一些信息,可以让模型更健壮,泛化能力更强3、离散化之pandas.cut()等宽分箱或自定义分组等宽分箱import pandas a
转载
2023-11-12 20:47:28
169阅读
起始聚类离散化就是根据利用一定规则对数据进行分类，可以用分桶式或者k-means 等方法 这里用中医证型关联规则挖掘里面的离散化举例，k-means 举例 首先看下图的原数据，该病存在六种证型系数，为了后续的关联算法，需要先将其离散化。import pandas as pd
from sklearn.cluster import KMeans #导入K均值聚类算法
datafile = '../
转载
2023-08-26 09:17:00
131阅读
目录1. 离散化思想介绍 2.算法模板3.结语我们有时候会遇到一些在特别大的区间进行操作，但是操作访问到的元素很少这样的情况。这时便需要用到离散化处理。1. 离散化思想介绍用一个例题做讲解 一般我们会想采用创建数组，再使用前缀和来求解，这个做法在本题是不合理的。一是数组的长度很大，空间复杂度高，二是操作次数多，无效计算多，时间复杂度高。那么我们该如何巧妙的解决这个问题呢？这就用
转载
2024-05-31 19:52:24
43阅读
关于离散化， 推荐几篇博客 http://www.matrix67.com/blog/archives/108 http://blog.csdn.net/doyouseeman/article/details/51154142
原创
2021-06-04 21:41:03
122阅读
