熱線電話：13121318867

登錄
首頁精彩閱讀R語言︱噪聲數據處理、數據分組—分箱法（離散化、等級化）
R語言︱噪聲數據處理、數據分組—分箱法（離散化、等級化）
2017-07-17
收藏

R語言︱噪聲數據處理、數據分組—分箱法（離散化、等級化）

分箱法在實際案例操作過程中較為常見，能夠將一些數據離散化，等級化，比如年齡段，我們并不想知道確切的幾歲，于是乎可以將其分組、分段。

基礎函數中cut能夠進行簡單分組，并且可以用于等寬分箱法。

cut函數：cut(x, n)：將連續型變量x分割為有著n個水平的因子.(參考來自： R語言︱數據集分組、篩選)


分箱法分為等深分箱（樣本量一致，比等寬好）、等寬分箱（cut函數可以直接獲?。?。

著重看一下等深分箱法,筆者在這根據課程code之上，自己編譯了一個等深分箱函數sbdeep。

[html]view plaincopyprint?

    sbdeep=function(data,parts,xiaoz){  
      parts<-parts         #分幾個箱  
      xiaoz<-xiaoz         #極小值  
        value<-quantile(data,probs = seq(0,1,1/parts))  #這里以data等比分為4段，步長為1/4  
      number<-mapply(function(x){  
        for (i in 1:(parts-1))   
        {  
          if(x>=(value[i]-xiaoz)&x<value[i+1])  
          {  
            return(i)  
          }  
        }  
        if(x+xiaoz>value[parts])  
        {  
          return(parts)  
        }  
        return(-1)  
      },data)  
      #打標簽L1L2L3L4  
      return(list(degree=paste("L",number,sep=""),degreevalue=number,value=table(value),number=table(number)))               #將連續變量轉化成定序變量，此時為L1,L2,L3,L4...根據parts  
    } 

該函數是對單個序列數據進行等深分箱，可以返回四類：

一個基于L1L2L3....的每個指標標簽序列degree；

標簽序列值degreevalue，

每個百分位數對應的變量值value，

不同百分點的數量number。

應用一：R語言等寬分箱小案例

R語言的等寬分箱法一般都是用cut來獲取，但是用法來說在網上還是比較少見的。譬如這里有一個需求就是把連續數列，根據等寬分箱的辦法切分開來。這個應該怎么做呢？

來看一個cut的案例：

[plain]view plaincopyprint?
    > a <- c(1,2,3,4,5,6,4,3,2,1)  
    > cut(a,10)  
     [1] (0.995,1.5] (1.5,2]     (2.5,3]     (3.5,4]     (4.5,5]     (5.5,6]     (3.5,4]     (2.5,3]     (1.5,2]     (0.995,1.5]  
    Levels: (0.995,1.5] (1.5,2] (2,2.5] (2.5,3] (3,3.5] (3.5,4] (4,4.5] (4.5,5] (5,5.5] (5.5,6]  
    > cut(a,10,labels=F)  
     [1]  1  2  4  6  8 10  6  4  2  1 

      一個數列，簡單的cut滯后，就變成一個levels，因子型的一個區間范圍，但是這個結果一般不是我們想要的，我們想要對連續數據進行切割。那么就是用R語言中的cut函數的，labels參數。

可以從案例中看到，labels=F之后，就變成了一系列等級型的分組序號，就像聚類一樣，模型跑出來之后，就給數列打了一個標簽。那么就可以這樣選擇你想要的，譬如我要選擇連續變量的數值上的前10%的數值：




CDA數據分析師考試相關入口一覽（建議收藏）：

? 想報名CDA認證考試，點擊>>>   “CDA報名” 了解CDA考試詳情；

? 想學習CDA考試教材，點擊>>> “CDA教材” 了解CDA考試詳情；

? 想加入CDA考試題庫，點擊>>> “CDA題庫” 了解CDA考試詳情；

? 想了解CDA考試含金量，點擊>>> “CDA含金量” 了解CDA考試詳情；

R語言 聚類 數據處理 連續型變量

數據分析咨詢請掃描二維碼

若不方便掃碼，搜微信號：CDAshujufenxi

上一篇回歸系列（一）| 怎樣正確地理解線性回歸
下一篇2020美國總統競選大戲開鑼，川普當選的奇跡會再發生嗎？
數據分析師考試動態
CDA報考指南
數據分析學習
數據分析師資訊
更多

CDA教育閉環

常見問題

關于我們

CDA數據分析師公眾號

  • CDA數據分析師公眾號

CDA考試中心小程序

  • CDA考試中心服務號

CDA數據分析師App下載

  • CDA數據分析師App下載
Copyright © 2015-2021, www.ruiqisteel.com All Rights Reserved. CDA數據分析師(北京國富如荷網絡科技有限公司) 版權所有 京ICP備11001960號-9 京公網安備 11010802034615號 經營許可證編號：京B2-20210330
聯系電話：13321103290 (微信同號)

OK
客服在線
立即咨詢
日韩人妻系列无码专区视频,先锋高清无码,无码免费视欧非,国精产品一区一区三区无码
客服在線
立即咨詢