本文介绍了C4.5算法处理连续值的二分法，包括信息增益计算，并详细阐述了常见的连续值处理方法，如归一化、标准化、离散化和缺失值处理。归一化通过限制数据范围简化处理，标准化则改变数据均值和方差。离散化通过等宽、等频和基于信息熵的方式将连续数据分组。对于缺失值，可选择删除或插补策略。文章还讨论了归一化与标准化的联系和区别，并提供了处理大数据场景的建议。
C4.5连续值处理方法
1.二分法：
说白了，就是按照连续值进行排序，根据数值生成n-1个平均值（上述计算公式）；
例子：
密度进行信息增益计算：
（1）原始score集合：{a1,a2,……,an}= {0.697,0.774,0.634,0.608,0.556,0.403,0.481,0.437,0.666,0.243,0.245,0.343,0.639,0.657,0.360,0.593,0.719}
（2）sort之后score集合：{a1,a2,……,an}={0.243,0.245,0.343,0.360,0.437,0.481,0.556,0.593,0.608,0.634,0.639,0.657,0.666,0.697,0.719,0.774}
（3）平均值：{a1,a2,……,an}= {0.244 ， 0.294, 0.351, 0.381, 0.420, 0.459, 0.518,0.574, 0.600, 0.621, 0.636, 0.648, 0.661, 0.681, 0.708, 0.746}.
（4）分别计算a1，a2，…，an的信息增益；
最低0.47元/天 解锁文章
扫一扫
2万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
