机器学习讲师老师专家人工智能之机器学习与深度学习-22数据压缩:离散化

本文详细介绍了数据压缩中离散化的五种主要方法:等距分割、聚类分割、直方图分割、基于熵的分割和基于自然属性的分割。离散化不仅可以使数据适应仅接收离散值的算法,还能有效减小数据规模。

接上一篇,系列博文:人工智能讲师叶梓关于人机器学习与深度学习入门课程课件,为系列博文,更多课程,及老师资料可点击 个人主

数据压缩:离散化

•离散化的用途:

•(1)适应某些仅接受离散值的算法;

•(2)减小数据的尺度。

•离散化的方法包括几下几种。

•(1)等距分割;

•(2)聚类分割;

•(3)直方图分割;

•(4)基于熵的分割;

•(5)基于自然属性的分割。

 

接下一篇,系列博文:人工智能讲师叶梓关于人机器学习与深度学习入门课程课件,为系列博文,更多课程,及老师资料可点击 个人主

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

人工智能大模型讲师培训咨询叶梓

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值