离散化

组件介绍

“离散化”（Discretize） 控件用于对数据中的数值型属性进行离散化操作。

“离散化”（Discretize） 控件将数据中的数值型属性转换位离散型属性，离散化操作一般是在数据的取值范围内设定若干个离散的划分点，将取值范围划分为一些离散化的区间，最后用不同的符号或整数值代表落在每个子区间中的数据值。

---

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

---

页面介绍

点击 “离散化”（Discretize） 控件查看参数配置页面，如下图所示：

点击 “详细配置” 按钮，对数据集的连续型属性进行详细配置：

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
默认设置	Discretize 控件提供了以下几种基本的离散方式（点击后将应用于所有连续型属性上）：   等频划分：将属性分割成给定数量的间隔，以使得每个间隔包含数量大约相同的实例。   等宽划分：均匀分割最小和最大观测值之间的范围，间隔数用户可以手动设置。   Entropy-MDL：由Fayyad和Irani发明的自上而下的离散化方法，递归地将属性切割为最大化信息增益，直到增益低于切割的最小描述长度。   用户还可以选择不对属性做任何处理（保留原始数据值）或者删除连续型属性（移除数值变量）。	等频划分 等宽划分 Entropy-MDL 保留原始数据值 移除数值变量	等频划分
单属性设置	Discretize 控件也提供了对属性的单独处理。 左侧显示了数据集中的连续型属性，当用户想要针对某个属性设定特定的处理方式时，用户可以选中某些属性，在右侧方法中选择需要的处理方式即可。	默认 等频划分 等宽划分 Entropy-MDL 保留原始数据值 移除数值变量	默认

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 “离散化”（Discretize） 控件对数据集进行离散化处理，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 iris 数据集，在进行离散化处理时，默认使用“等宽划分”，“详细配置”时，对【sepal length】属性采用“保留原始数值”的操作，对【sepal width】采用“Entropy-MDL”的方式进行离散化。案例中控件的配置以及执行结果如下图所示。