基于样本分布与熵的数值型属性离散化

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (1): 159-161.

基于样本分布与熵的数值型属性离散化

林永民¹,吕震宇¹,赵爽¹,朱卫东²

1.河北理工大学经济管理学院，河北唐山 063009
2.北京交通大学计算机与信息技术学院，北京 100044

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2008-01-01 发布日期:2008-01-01
通讯作者: 林永民

Discretization of numeric attribute based on example distribution and entropy

LIN Yong-min¹,LU Zhen-yu¹,ZHAO Shuang¹,ZHU Wei-dong²

1.College of Economics and Management，Hebei Polytechnic University，Tangshan，Hebei 063009，China
2.School of Computer and Information Technology，Beijing Jiaotong University，Beijing 100044，China

Received:1900-01-01 Revised:1900-01-01 Online:2008-01-01 Published:2008-01-01
Contact: LIN Yong-min

摘要/Abstract

摘要： 连续属性的离散化是数据预处理的重要工作。论文分析了基于熵的离散化方法的不足，从估计训练样本的概率分布的角度出发，提出基于样本分布与熵相结合的处理数值型属性的方法。基于UCI数据的实验结果表明，该方法不仅具有比较好的判决精度，而且具有更快的计算速度。

关键词: 数值型属性, 熵, 样本分布, 离散化

Abstract: Discretization of numeric attribute is an important role of data preprocessing.A heavy analysis about discretization method based on entropy is given.By the method of estimating the probability distribution of training examples，a new and simple method of dealing with numeric attribute based on example distribution and entropy is turned out.Experimental results of UCI data sets show that the proposed method has good performance on accuracy issue and the computational speed is heightened greatly.

Key words: numeric attribute, entropy, distribution of training examples, discretization

林永民¹,吕震宇¹,赵爽¹,朱卫东². 基于样本分布与熵的数值型属性离散化[J]. 计算机工程与应用, 2008, 44(1): 159-161.

LIN Yong-min¹,LU Zhen-yu¹,ZHAO Shuang¹,ZHU Wei-dong². Discretization of numeric attribute based on example distribution and entropy[J]. Computer Engineering and Applications, 2008, 44(1): 159-161.

[1]	李勇振，廖湖声. 基于图卷积神经网络的多视角聚类[J]. 计算机工程与应用, 2021, 57(5): 115-122.
[2]	倪宗军，陈辉，张昀，苏敏，郑秀娟. 自适应去噪的非接触式生理参数检测方法[J]. 计算机工程与应用, 2021, 57(5): 153-160.
[3]	蔡冬丽，钟清华，朱永升，廖金湘，韩劢之. 三维输入卷积神经网络脑电信号情感识别[J]. 计算机工程与应用, 2021, 57(5): 161-167.
[4]	王鹏，叶学义，王涛，钱丁炜. 双偏差双空间局部方向模式的人脸识别[J]. 计算机工程与应用, 2021, 57(4): 91-99.
[5]	马满福，郭晨彪，李勇，张钟颖，张强，王常青. 基于结构熵的注意力流网络异构性研究[J]. 计算机工程与应用, 2021, 57(23): 98-105.
[6]	易灵芝，王仕通，易芳，邓栋，易志敏，姜鹏. 基于EEMDSE-ILSTM的风电场超短期风速预测[J]. 计算机工程与应用, 2021, 57(22): 288-294.
[7]	江魁，丘远东，郑浩城. 基于信息熵与LSTM的ICMPv6 DDoS攻击检测方法[J]. 计算机工程与应用, 2021, 57(21): 148-154.
[8]	宋世杰，陈开颜，张阳. 信息熵角度下的深度学习旁路安全评估框架[J]. 计算机工程与应用, 2021, 57(17): 138-146.
[9]	黄林，袁修久. 改进的犹豫模糊语言熵的一般公式与生成算法[J]. 计算机工程与应用, 2021, 57(16): 97-107.
[10]	张俊芳，周礼刚，张春芳，徐鑫，肖箭. 区间Pythagorean犹豫模糊连续熵及灰色关联度的应用[J]. 计算机工程与应用, 2021, 57(15): 207-214.
[11]	张念蓬，吴旭，朱强. 基于熵的过采样框架[J]. 计算机工程与应用, 2021, 57(13): 96-101.
[12]	谢祥，张茜茹，张婧，高新宇. 面向领域建模的信息系统构件识别方法研究[J]. 计算机工程与应用, 2021, 57(12): 105-114.
[13]	张迪，杨沛，邓鑫波，赵千川. ASExplorer：基于联合熵的多维相关性可视分析系统[J]. 计算机工程与应用, 2021, 57(1): 99-109.
[14]	张俊芳，周熠烜，周礼刚，肖箭. Pythagorean犹豫模糊交叉熵的多属性决策方法[J]. 计算机工程与应用, 2020, 56(9): 198-203.
[15]	但雨芳，陶剑文，徐浩特. 可能性聚类假设的半监督分类方法[J]. 计算机工程与应用, 2020, 56(9): 65-74.