discretization

0熱度

1回答

我有一組從1到50的整數值，我想離散化這個集合以處理範圍而不是單個值（它們是決策樹的大量數字）。假設我想要的範圍是1到25，另一個範圍是26到50.我嘗試過使用Discretize過濾器，但我沒有得到任何工作。你知道如何在WEKA中做到這一點嗎？預先感謝您

0熱度

1回答

如何在R

中控制CutPoints（執行受監督裝倉時）我正在使用R的「離散化」包。找到割點時，我得到以下結果。命令： discretization::cutPoints(data3$Dist_to_Stream, data3$Malaria_w3) 其中Dist_to_Stream是數值和Malaria_w3的變量是類（分類） [1] 5.118175 95.484400 119.386500 300

0熱度

1回答

連續狀態空間模型的離散化

我在論文http://www.uta.edu/utari/acs/ee4314/lectures/Lecture%207b.pdf（最後一頁）中實現了Simulink中倒立擺的數學模型。我現在的任務是離散化這種模型，並在Simulink（離散PID）中設計一個離散控制器。從理論上我知道系統的採樣時間必須滿足奈奎斯特採樣定理。如何估計（理論上或實驗上）連續時間模型的最高頻率以選擇適當的採樣時間

0熱度

1回答

MATLAB：如何離散10個變量的函數（目前使用ndgrid和arrayfun）？

我有一個函數 function [output1 output2] = func(v1,v2,v3,v4,v5,v6,v7,v8,v9,v10) ，我想離散。我將執行涉及此功能的優化，我認爲優化的效率將從離散函數中受益，然後對數據執行樣條插值，而不必評估連續函數。基本上，我想爲輸出1和輸出2中的每一個都輸出一個10-D double，它們與v1，v2，... v10的變化值相關聯。懷着無限的

1熱度

1回答

Matlab中的分位數排序

我有一個n -by- 1載體其中n = 20000。我想爲這個向量中的數據做一個十分位的排名，這個排名基本上是用相應的十分位數來替換每個元素的值。我目前做這種方式： deciles = quantile(X,9); X = discretize(X,[-inf deciles inf]); 哪裏X是我的數據陣列。我這樣做是因爲我想在每個數據組中使用相同數量的10組數據。你能驗證這個程序嗎

0熱度

1回答

「找不到目標（y）或者它不是數字」-P包含 - R

我試圖在R軟件中使用smbinning軟件包來查找某個變量的最佳配置。運行命令 result=smbinning(df=bop,y="FLAG_TARGET",x="VL_TOTL_REND",p=0.05) 返回以下錯誤消息：「目標（Y）未找到或者它不是數字」這到底是怎麼回事？ FLAG_TARGET是數字，我已經嘗試將數據格式更改爲整數，但它不起作用。有沒有解決這個問題的方法？

3熱度

2回答

將我的有限差分模型從2D更改爲3D會導致不穩定行爲

我一直在寫一個有限差分代碼，用於使用激光誘導熱成像進行模擬和裂紋檢測。裂縫由因子a和b實現，這些因子通過使用鬼點方法「阻尼」通過充氣裂縫的熱流。二維模型按預期運行，穩定條件滿足，一切正常。它甚至可以用實驗數據證明。只需複製並粘貼即可使用。 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %% 2

1熱度

1回答

與橙色python庫交叉驗證

我嘗試使用python包「橙色」進行交叉驗證。這個庫看起來很不錯，但是我有一些問題。對於版本信息，我使用Python 2.7和Orange 2.7.8。我的任務很簡單。我想驗證模型與交叉驗證與（1）離散化的數字屬性和（2）功能選擇。如你所知，在這裏，在交叉驗證循環中處理離散化和特徵選擇是很重要的。換句話說，對於每個交叉驗證循環，（1）只對訓練數據進行離散化處理，對測試數據使用相同的舍入切割

0熱度

1回答

連續3維變量的離散化

我目前正在研究具有3維連續變量（x，y，z）的機器學習分類問題，我也想添加已經是離散變量的時間（t）。我的數據看起來像這樣一個例子： x y z t [0.1 ,2.6, 0.0] [0.1 ,2.0, -3.0] [0.0 ,5.6, 5.0] 1486033702474 將採取每個連續變量的意思足夠？請問我該如何表示/格式化這些變量以在Python中的任何

6熱度

1回答

離散化連續變量的日誌

我想離散化一個連續變量，將其切割成三個層次。我想爲積極連續變量的日誌（在這種情況下爲收入）做同樣的事情。 require(dplyr) set.seed(3) mydata = data.frame(realinc = rexp(10000)) summary(mydata) new = mydata %>% select(realinc) %>% mutate(l