連續(xù)屬性離散化算法比較研究.pdf

1、連續(xù)屬性的離散化是數(shù)據(jù)分析預處理中的一項重要內容,在數(shù)據(jù)挖掘、機器學習等領域中具有重要作用.針對離散化問題,研究者提出了很多方法,從不同的角度看,可以把這些方法劃分為不同的種類,如根據(jù)離散化處理時是否以類別信息做參考,可以把離散化方法分為監(jiān)督的離散化方法和非監(jiān)督的離散化方法.由于各種離散化算法側重點的不同,針對不同結構的數(shù)據(jù),不同的離散化方法往往得出不同效果的離散化結果.由于目前尚沒有設計出適合不同數(shù)據(jù)結構、不同領域數(shù)據(jù)的通用離散化方法

2、,因此,對比不同離散化方法的優(yōu)缺點,研究各種離散化方法的適用性問題,對選擇合適的離散化方法,得到有效的離散化結果具有重要意義. 本文首先介紹了連續(xù)屬性離散化任務及目標,描述了離散化問題及本質,并從不同的角度上對離散化方法進行了分類,介紹了幾種經(jīng)典的離散化方法.接著本文根據(jù)離散化方法的分類,建立了離散化方法的層次框架.在層次框架中,首先將離散化方法分為單變量離散化方法和多變量離散化方法,再分為拆分的離散化方法和歸并的離散化方法,再

3、進一步劃分為監(jiān)督的離散化方法和非監(jiān)督的離散化方法.本文給出單變量拆分方法、單變量歸并方法、多變量拆分方法和多變量歸并方法的離散化過程,并分析了一些離散化算法,使用標準數(shù)據(jù)給出這些算法的斷點.然后本文選取一些單變量離散化算法和多變量離散化算法進行實驗比較和分析.實驗比較和分析分為單變量離散化算法的實驗比較與分析、多變量離散化算法的實驗比較與分析和單變量與多變量離散化的實驗比較與分析,并對一種離散化算法進行了改進.最后本文介紹了基于粗糙集的