1回答
我正在使用Weka的API对一些数据进行分类。我使用BayesNet算法，因此需要对数据集中的数值进行离散化。我读到，在离散化测试数据集时，我需要使用训练数据集作为输入格式，以便离散化的训练数据集和测试数据集是兼容的()。这是我的测试数据集离散化代码： int[] discInd
浏览 5提问于2017-10-25得票数 0
1回答
离散数据的地块类型
、、、
因此，我在我的数据集中有很多离散变量，并希望将它们可视化(目前为单变量)。我在互联网上浏览过各种文章，有人认为直方图和计数图是绘制离散数据的适当选择。数据集中的许多离散变量都有500+唯一的离散值，当我在直方图上绘制它们时，需要很长时间才能显示输出结果。那么，我的方法正确吗？，我们真的可以用直方图来画出这些唯一的离散变量吗？编辑:刚刚得到一个变量的输出与400+离散值和直方图(sns.histplot)为空，x和y轴是可见的，但在直方
浏览 0提问于2021-06-19得票数 1
回答已采纳
1回答
是否可以在weka中对选定的列进行离散化？我的数据集中有42列，我只想离散(间隔)经度和纬度，但是所有的列都是离散的。
浏览 2提问于2014-10-11得票数 2
回答已采纳
我要求对数据集的属性进行等宽离散化，然后继续绘制数据集离散化与连续的绘制值。为此，我需要完整的离散值数据集，而不是稀疏矩阵 X,y = datasets[0]X_binned = enc.fit_transform
浏览 11提问于2020-04-27得票数 0
回答已采纳
1回答
我有两个数据集，一个连续数据集(75个数据点和14个变量)和一个离散数据集，该数据集是通过将连续数据集放入桶中生成的。我已经构建了一个决策树分类器(使用python sklearn包)，该分类器对于离散数据集比连续数据集要好得多。
我还在几篇论文中读到，有时最好使用离散数据集。但我不知道为什么。
浏览 0提问于2017-09-01得票数 4
随机森林接受数字数据。通常，具有文本数据的特征被转换为数字类别，并且连续的数字数据被原样馈送，而不进行离散化。它会在内部对连续的数字数据进行绑定吗？或者将每个数据视为离散级别。例如:我想向RF提供一个数据集(当然是在对文本特征进行分类之后)。RF如何处理连续数据？在进料之前离散化连续数据(在本例中为经度和纬度)是否可取？或者这样做会丢失信息？
浏览 1提问于2015-09-20得票数 2
1回答
我刚开始使用Orange工具进行数据挖掘。我有一个包含数据的csv文件，它是离散值和连续值的混合。然而，它认为一些离散的值是'String‘。
我在这里做错了什么吗?还是有其他的问题？在这两种情况下，我都想知道如何将这个“String”值转换为离散的。有关数据的信息：文件最初有4个离散值类别，包含10-15个值(例如技术、媒体)、topcat包含100多个值(时装、艺术)、位置包含200多个值(例如纽约、波士顿)、货币包含5-10个值(美元、英镑)。
浏览 1提问于2015-08-22得票数 0
回答已采纳
例如，在许多来源中，这里数据被分为定性(分类)和定量(数字)两类。其中数值数据可以是连续的，也可以是离散的，离散的可以是有限的，也可以是无限的。我想确定一个数值数据、离散数据和有限数据是否也可以被视为分类数据。我知道这取决于数据的“意义”，需要进行一些常识分析，但我想确定以下语句是否总是正确的：
数值数据、离散数据和有限数据也可以是分类数
浏览 0提问于2020-02-04得票数 3
回答已采纳
3回答
我正在使用arules包对数据帧中的连续变量进行离散化。我使用的是这一行但它给了我一个错误我只是尝试将我的连续变量从"data1“数据帧转换为3个二进制离散变量
浏览 6提问于2015-08-20得票数 5
1回答
我的数据文件中有一组属性，如下所示：
选定的属性由离散属性类型和连续属性类型组成。协议类型和服务属性属于离散类型，属性Src Bytes、Dst Bytes、Count属于连续类型。我想尝试实现k-means/fcm算法来对神经网络的训练数据进行聚类，但我必须在迭代次数中处理数据集，连续类型属性将增加算法的负载，从而降低性能。因此，它们被转换为离散值，但是我如何在matlab中实现这一点呢？
我还需要帮助理解离散和连续，以及为什么或如何使用所提到的算法？
浏览 2提问于2011-10-15得票数 3
1回答
对于相同的输入数据，我的预测似乎略有不同，这取决于所提供的newdata表的组成，但我不明白为什么。对不起，我还不能提供一个可重复的例子--我的数据集很大，我不确定在一个小示例数据集中是否会发生同样的事情。
浏览 6提问于2021-10-04得票数 0
回答已采纳
1回答
我有一个离散的过程模型-我也有一些实验数据，我想知道这如何很好地拟合离散函数；当然，这些实验点中的一些是“在”我的离散点之间，所以我需要能够估计这些点以获得良好的拟合效果:在GUI曲线拟合工具中使用插值拟合可以产生完美的拟合，无论是否使用线性的、立方的形状保持:是否有某种方法可以生成我的所有插值点，以便与数据点进行比较？我附上了一张我的30个离散数据点的图像，以及轻松连接它们的插值函数。我的第二
浏览 2提问于2013-07-18得票数 0
回答已采纳
CfsSubsetEval对数据集进行离散化，我试图避免这种情况，因为数据集已经被离散化了。下面是执行离散化的CfsSubsetEval.java中的行。m_trainInstances, m_disTransform);由于class属性是在arff文件中定义的，如下所示：该属性不是数字属性，因此将执行离散化虽然我对Weka实现有一点了解，但我试图注释掉这些行，以跳过离散化。selecting_fea
浏览 3提问于2014-11-02得票数 0
回答已采纳
2回答
iris) + geom_point(aes(x=Sepal.Width, y=Sepal.Length, colour=Sepal.Length)) + scale_colour_gradient()
离散化颜色比例的正确方法是什么ggplot正确地识别离散值，并对这些离散值使用离散标度，但我的问题是，如果你有连续的数据，并且你想要一个离散的颜色条(每个方块对应一个值，方块仍然在渐变中着色)，那么最好的方法是什么？离散化/入库是否应该发生在ggplot之外，
浏览 0提问于2013-07-18得票数 18
回答已采纳
1回答
我需要知道什么时候是在the中进行离散化的合适时间，我有数据集，我需要从这些数据创建训练和测试数据样本。我应该在抽样之前还是抽样之后对数值属性进行离散化？
浏览 1提问于2013-02-12得票数 0
1回答
但是MPI_Scatter只向所有节点发送相同长度的数据。
不管怎么说，即使每个节点得到不同大小的数据块，我也可以使用分散方式发送数据吗？
浏览 1提问于2017-04-26得票数 0
回答已采纳
2回答
在for中，不支持使用数据拟合离散分布。我知道关于这件事有很多话题。，1，1，1，0
from scipy.stats import nbinom但是我想问你到目前为止，是否有任何方法适合这三个离散分布，然后选择最适合的离散数据集？
浏览 2提问于2019-12-12得票数 4
下面的模型(取自于针对黑客的贝叶斯方法)适用于Poisson。n_count_data = len(count_data)
alpha = 1.0/count_data.mean() # Recall count_data is thelambda_1 = pm.Exponential("
浏览 1提问于2017-05-10得票数 1
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
