概念学习中连续值型属性的离散化

概念学习中连续值型属性的离散化 DISCRETIZING CONTINUOUS VALUED ATTRIBUTES IN CONCEPT LEARNING 刘娟 Liu Juan 1 2 3 first-author 李凯扬 1 2 3 武汉大学计算机科学与技术学院 武汉大学计算机科学与技术学院 College of Computer Science and Technology ,Wuhan University,Wuhan 430072,China) Li Kaiyang College of Computer Science and Technology ,Wuhan University,Wuhan 430072,China) Li Kaiyang 武汉大学分析测试中心 武汉大学分析测试中心 武汉大学计算机科学与技术学院武汉大学分析测试中心 武汉大学计算机科学与技术学院武汉大学分析测试中心 在概念学习中，属性不仅可以为离散值型，还可以为连续值型，因此，连续值型属性的离散化问题是概念学习中的一个重要问题，本文给出了基于假设检验的离散化方法的理论依据，并依此提出了一种离散化算法Ｄｉｓｃｒｅｔｅ，实验结果表明，这种方法一般能得到较合理的区间划分． Attributes can take not only discrete values but also continous values in concept learning. This article mainly discusses how to discretize continous valued attributes, and propose a discretizing method based on χ 2 test. The experimental result shows that this approach can get reasonable intervals. 概念学习 连续值型属性 离散化 concept learning continous valued attribute discretizing TP301.12 国家863高科技项目 1997-05-01 2021-04-01 5