了解離散化? - Cupoy

2019/09/14 上午 05:02

機器學習共學討論版

高培原

觀看數：142

回答數：3

收藏數：0

ml100-3

ml100-3-d18

老師您好：

這次的主題是將資料進行離散化，但有一點我不太確定。

1. 當資料是連續型，例如年齡。而我們在做pd.cut()時，將資料分組分群，這樣將資料分成一群一群的狀態就可稱為離散化嗎?

(a) 分群分組:

(b) 未分群分組

回答列表

• 2019/09/14 下午 11:03
  Jimmy
  贊同數：0
  不贊同數：0
  留言數：0

  Hi 培原

  
  

  你的理解是正確的喔! 這樣的好處是可以把連續的資料轉換為類別型的資料，有時候能夠減少離群值帶來的影響!

• 2019/09/15 上午 01:58
  張維元 (WeiYuan)
  贊同數：2
  不贊同數：0
  留言數：0

  補充另外一個觀點，有時候連續可能會將資料的特性分散開，離散（分群）之後可以將這個性質展現出來。例如：有些用天看不出什麼特性的資料，改成用週或季，可能就可以把週期性呈現出來！

• 2019/09/15 上午 04:01
  高培原
  贊同數：0
  不贊同數：0
  留言數：0

  謝謝兩位老師。 另外，我在進行這次作業時，我做了一個測試:探索資料離散化後的準確率是否上升? 但未離散化的與離散化的準確率差異不大。有個疑點: 

  1.如老師您說的離散化可以將一些特性展現出來，但在預測上卻不一定會提高準確率?  

  
  

  補充: 

  過程是這樣: 

  1. 取3個與TARGET相關性高的3個Feature來預測TARGET 

  2. 將沒有離散化的資料進行cross_val_score看準確率如何 

  3. 將3個Feature中的BIRTH_DAYS轉換成年齡後，進行離散化分組 

  4. 將每組資料分別進行cross_val_score再取平均 

  5. 比較沒有離散化的和離散化的結果 

  結論:將離散化的每組準確率平均後，其結果並沒有比未離散化的結果高，兩者結果都在0.92左右。