扫码加入数据分析学习群

常用的离散化方法有等宽法、 等频法和（一维） 聚类。

（1） 等宽法

该法将属性的值域分成具有相同宽度的区间， 区间的个数由数据本身的

特点决定， 或者由用户指定， 类似于制作频率分布表。

（2） 等频法

该法将相同数量的记录放进每个区间。

这两种方法简单， 易于操作， 但都需要人为地规定划分区间的个数。 同

时， 等宽法的缺点在于它对离群点比较敏感， 倾向于不均匀地把属性值分布

到各个区间。 有些区间包含许多数据， 而另外一些区间的数据极少， 这样会

严重损坏建立的决策模型。 等频法虽然避免了上述问题的产生， 却可能将相

同的数据值分到不同的区间以满足每个区间中固定的数据个数。

（3） （一维） 聚类

（一维） 聚类的方法包括两个步骤， 首先将连续属性的值用聚类算法

（如K-Means算法） 进行聚类， 然后再将聚类得到的簇进行处理， 合并到一

个簇的连续属性值并做同一标记。 聚类分析的离散化方法也需要用户指定簇

的个数， 从而决定产生的区间数。

##设置工作空间

#把“数据及程序” 文件夹复制到F盘下， 再用setwd设置工作空间

setwd（"F： /数据及程序/chapter4/示例程序"）

#读取数据文件， 提取标题行data=read.csv（'./data/discretization_data.csv'， header=T）

#等宽离散化

v1=ceiling（data［， 1］ *10）

#等频离散化

names（data） ='f'#变量重命名

attach（data）

seq（0， length（f） ， length（f） /6） #等频划分为6组

v=sort（f） #按大小排序作为离散化依据

v2=rep（0， 930） #定义新变量

for（i in 1： 930） v2［i］ =ifelse（f［i］ <=v［155］ ， 1，

ifelse（f［i］ <=v［310］ ， 2，

ifelse（f［i］ <=v［465］ ， 3，

ifelse（f［i］ <=v［620］ ， 4，

ifelse（f［i］ <=v［775］ ， 5， 6） ） ） ） ）

detach（data）

#聚类离散化

result=kmeans（data， 6）

v3=result$cluster

#图示结果

plot（data［， 1］ ， v1， xlab='肝气郁结证型系数'）

plot（data［， 1］ ， v2， xlab='肝气郁结证型系数'）

plot（data［， 1］ ， v3， xlab='肝气郁结证型系数'）