问回归决策树-规范化或分割成连续特征

EN

我的数据集中有一个名为distances的特性，其范围从200到12000 (或多或少)。由于其他特性的值都低于50，所以我需要在distances中进行一些转换。

我想到的第一件事是将它正常化，例如，将这个特性保持在0到10之间。但是，用这种方法，我可能有很多不同的价值，这可能会产生太多的分裂。

我考虑的另一种方法是确定范围。例如

From 0 to 1000 => 1
From 1000 to 3000 => 2
From 3000 to 6000 => 3
From 6000 to 12000 => 4
//Or +6000 => 4

我相信这种方法会更好，因为决定三将只有4个分支机构为这一分裂。

现在我的问题是：

• 是将我们自己的范围指定给这类特性的正确方法，还是仅仅标准化然后使用一些算法为我们设置范围更好？
• 如果我们是决定范围的人，我的例子正确吗？应以组的范围为常数，或至少将范围与分配的单位之间的关系联系起来。

就像这样：

From 0 to 3000 => 1
From 3000 to 6000 => 2
From 6000 to 9000 => 3
From 9000 to 12000 => 4
//Or +9000 => 4

我之所以遵循第一种方法，是因为distances比高值得到了更多的观测值。因此，我试图得到一个平衡的功能，在这四个类别中每一个都有相似的观察量。

使用第二种方法，几乎所有的观测结果都是1或2型的，因为大多数distances都小于5000个单位。然而，我不确定这是否是我应该关注的回归决策树。