连续化

组件介绍

“连续化”（Continuize） 控件用于离散型属性进行连续化处理。

“连续化”（Continuize） 控件根据用户配置对数据中的离散型属性进行连续化处理，连续化处理时会把离散属性按照N位或N-1位状态寄存器（N代表离散属性值的个数）对离散属性值进行编码，该控件可以视为独热编码功能的增强。

---

• 输入：
  • data：数据集
• 输出：
  • data：处理后的数据集

---

页面介绍

点击 “连续化”（Continuize） 控件查看参数配置页面，如下图所示：

警告

获取属性信息的逻辑如下：

1. 优先解析直接上游组件的输出结果，需要您先将上游组件运行成功
2. 如1不满足，将会追溯源头的File、SQL Table等加载数据的属性信息

若属性信息获取错误，可通过重置控件重新获取。

参数选项

选项	说明	取值范围	样例值
多值离散属性	Continuize 控件对一般属性中的离散型属性进行处理。 针对多值离散属性（假设属性值依次排序为 ‘a’,‘b’,‘c’ 三个值），该控件提供了以下几种处理方式：   以目标/第一个取值为基础：该方法会将离散属性转换为（N-1）个连续属性，其中N为离散属性值的类别数。所以有三个值的离散属性将会被转化为两个连续属性。之后针对属性=‘a’，系统将把值转化为 0 或 1，表示原始属性的值是否为 ‘a’，0 表示不是，1表示是。同样地，对于属性=‘b’，系统也会把值转化为 0 或 1。   以最频值为基础：与“以目标/第一个取值为基础”方法类似，但是该方法以最常用的值作为基础，选取最常用的值进行转化。   每个值取一个属性：每个离散值都构造一个属性。   忽略多值离散属性：从数据中删除多项属性（即（N-1）>1 的所有属性）。   移除所有离散属性：移除数据集中的离散型属性（除了分类离散属性）。   转换为有序值：将属性转化为值为 0,1,2 的连续值。   根据数值数量划分：类似“转换为有序值”方法，只是转化为值为 0-1 之间的连续值。	以目标/第一个取值为基础 以最频值为基础 每个值取一个属性 忽略多值离散属性 移除所有离散属性 转换为有序值 根据数值数量划分	以最频值为基础
连续属性	定义连续型属性的处理：   保持不变：对连续型属性不做任何处理。   按范围规范化：处理过程为将原始值减去最小值并除以最大跨度，因此所有转化后的值都将在 0-1 之间。   按标准偏差规范化：处理过程为原始值减去平均值再除以偏差。	保持不变 按范围规范化 按标准偏差规范化	保持不变
离散分类属性	离散分类属性的处理：   保持不变：对离散型分类属性不做任何处理。   转换为有序值：将属性转化为值为 0,1,2 的连续值。   根据数值数量划分：类似“转换为有序值”方法，只是转化为值为 0-1 之间的连续值。   每个取值一个属性：每个离散值都构造一个属性。	保持不变 转换为有序值 根据数值数量划分 每个取值一个属性	保持不变
取值范围	指定属性的值的范围 ‘从-1到1’或‘从0到1’ 。	从-1到1 从0到1	从0到1

使用案例

在下图所示的案例中，使用 “加载文件”（File） 控件加载数据，通过 “查看数据”（Data Table） 控件查看加载数据的信息，同时使用 “连续化”（Continuize） 控件对数据集进行连续化处理，之后通过 “查看数据”（Data Table） 控件查看处理后的数据集。

案例中加载 titanic 数据集，在进行连续化处理时，对多值离散属性采用“以目标/第一个取值为基础”的方式进行连续化处理，对连续型属性采用“保持不变”的处理方式，对离散分类属性采用“每个取值一个属性”的方式进行连续化处理，取值范围选取为 0-1。案例中控件的配置以及执行结果如下图所示。