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(yù)處理中的一項(xiàng)重要內(nèi)容,在數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)等領(lǐng)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(shí)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(cè)重點(diǎn)的不同,針對不同結(jié)構(gòu)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(jié)果.由于目前尚沒有設(shè)計(jì)出適合不同數(shù)據(jù)結(jié)構(gòu)、不同領(lǐng)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(diǎn),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(jié)果具有重要意義. 本文首先介紹了連續(xù)屬性離散化任務(wù)及目標(biāo),描述了離散化問題及本質(zhì),并從不同的角度上對離散化方法進(jìn)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(jìn)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(biāo)準(zhǔn)數(shù)據(jù)給出這些算法的斷點(diǎn).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(jìn)行實(shí)驗(yàn)比較和分析.實(shí)驗(yàn)比較和分析分為單變量離散化算法的實(shí)驗(yàn)比較與分析、多變量離散化算法的實(shí)驗(yàn)比較與分析和單變量與多變量離散化的實(shí)驗(yàn)比較與分析,并對一種離散化算法進(jìn)行了改進(jìn).最后本文介紹了基于粗糙集的