使用bin邊界的平滑值邊界：你在哪裏設置一個值位於下邊界和上邊界之間的值？

Question

回覆@ j.jerrod.taylor的回答，讓我重述一下我的問題，以清除任何誤解。

我是Data Mining的新手，正在學習如何通過「Bin Boundaries」使用等寬/距離分檔方法來平滑我的數據來處理嘈雜的數據。假設數據集1,2,2,3,5,6,6,7,7,8,9。我想執行：

1. 距離分級用3個箱，並通過區邊界
2. 平滑值基於在＃1分級值。

基於在（漢，Kamber，裴，2012年，數據挖掘概念與技術，第3.2.2節嘈雜數據）的定義：

在平滑由區邊界，最小和給定倉中的最大值被識別爲倉邊界。然後每個箱值由最接近的邊界值替換。

• 間隔寬度=（最大值 - 最小值）/ K =（9-1）/ 3 = 2.7

• 濱間隔= [1,3.7），[3.7,6.4），[6.4， 9.1]

• original Bin1：1,2,2,3 |分界線：（1,3）| Bin Boundaries的平滑值：1,1,1,3

• original Bin2：5,6,6 |分界線：（5,6）| Bin Boundaries的平滑值：5,6,6
• original Bin3：7,7,8,9 |分界線：（7,9）|平滑值由二進制邊界：7,7，，9

問： - 在哪裏呢屬於在BIN3使用斌邊界法分檔時，因爲它是從7和+1 -1從9？

Answer 1

以正確的答案更新：

我終於類覆蓋這個話題，和對我自己的問題的回答是8可以屬於7或9這種情況被描述爲「打破平局」，其中值與任一邊界的距離相等。所有這些值都可以始終與相同的邊界相關聯，這是可以接受的。

這裏是介紹使用「平局決勝」當他們遇到相等的距離值的NIH分析論文的一個真實的例子：http://www.ncbi.nlm.nih.gov/pmc/articles/PMC3807594/

Answer 2

如果這是一個問題，那麼你正在計算你的垃圾箱寬度不正確。例如，創建直方圖是數據分箱的一個示例。

您可以閱讀this響應交叉驗證。但是一般來說，如果你試圖分解整數，那麼你的邊界將是雙重的。

例如，如果您希望2到6之間的所有內容都位於一個垃圾箱中，則實際邊界將爲1.5至6.5。由於您的所有數據都是整數，因此不會有任何不被分類的機會。

編輯：我也有同樣的一本書，雖然它看起來像我有一個不同的版本，因爲關於數據離散化的部分是在第2章而不是像你指出的第3章。根據你的問題，你似乎還沒有真正理解這個概念。

以下是有關數據預處理的第88頁第2章以外的內容。我正在使用文本的第二版。

例如，屬性值可以通過施加等寬 或等於頻率分級，然後由倉替換每個單元條值離散化的意思或 位數，如在由箱平滑裝置或箱平滑中位數。 8不屬於除第3箱以外的任何地方。這給了你兩個選擇。您可以採用所有數字的均值/中位數，這些數字位於箱3中，也可以使用箱3作爲類別。

在你的例子上的建築物，我們可以採用bin 3中的4個數字的平均值。這給了我們7.75。我們現在將使用7.75作爲該箱中的四個數字，而不是7,7,8和9.

第二種選擇是使用箱號。例如，一切都在倉3將得到的3類的標籤，一切都在倉2將獲得2的標籤等