weka离散化

Question

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？

Answer 1

这应该是显而易见的。

只要您的获得相同的结果，而不依赖于执行的拆分，您就可以在之后完成它。但这样做有什么好处呢？那就先做预处理。

如果你通过四舍五入(例如浮点数到整数)来离散，那么你应该很好(这不受拆分的影响)。但是，如果你用分位数来离散，很明显你会搞砸，因为你会把不同的部分离散开来！

假设您将数据离散为两个不同的值：

Input data    Type     Output value
0.9           good     1.05
1.0           good     1.05
1.1           good     1.05
1.2           good     1.05
---
2.1           good     2.20
2.3           good     2.20
2.2           good     2.20
---  SPLIT HERE ---
1.1           bad      1.20
1.2           bad      1.20
1.3           bad      1.20
---
1.9           bad      2.00
2.0           bad      2.00
2.1           bad      2.00

请看，通过使用每组值的平均值，“好”和“坏”都被离散为两个离散值。但是，由于“好”和“坏”的平均值不同，由此产生的属性显然暴露了真正的成员资格。发现“坏”的任务已经大大简化了。

不会执行单独的预处理，永远不会.。