我想将我的特征' age‘从一个连续变量更改为二进制分类的年龄范围的分类变量,如下所示:
df['Age'] = pd.cut(df['Age'], [0,6,12,16,65,90] ,labels=['0-6','6-12','12-16','16-65','65-90'])然而,我希望以最优的方式对其进行拆分,以便能够最有效地对数据进行分类。也就是说,年龄范围内的类的方差被最小化,而不是过度拟合。
有没有一个包有一个方法,可以最小化像这样拆分数据时的方差,或者我必须自己写一个?
发布于 2017-07-03 00:08:09
也许你可以使用sklearn.cluster来做这件事。
https://stackoverflow.com/questions/44846574
复制相似问题