python - 通过 DecisionTreeClassifier sklearn 合并数据？

Question

假设我有一个数据集:

    X     y
   20     0
   22     0
   24     1
   27     0
   30     1
   40     1
   20     0
   ...

我尝试通过最小化熵将 X 离散化为几个 bin。所以我做了以下事情:

clf = tree.DecisionTreeClassifier(criterion = 'entropy',max_depth = 4)
clf.fit(X.values.reshape(-1,1),y.values)

threshold = clf.tree_.threshold[clf.tree_.threshold>-2]
threshold = np.sort(threshold)

'threshold' 应该给出 split 点，这是分箱数据的正确方法吗？

有什么建议吗？

Answer 1

首先，你做的是对的。

有很多方法可以对数据进行分类:

1. 基于列的值(例如:在列值的最小值和最大值之间将列分成 10 个相等的组)。
2. 基于列值的分布，例如，它可以是基于列的十分位数的 10 个组(最好使用 pandas.qcut)
3. 基于目标，就像您所做的那样。我发现此博客与您相关，我认为您找到最佳拆分的方法非常有效 https://towardsdatascience.com/discretisation-using-decision-trees-21910483fa4b