matlab - 离散连续数据的分箱技术

Question

我有以下数据集，

第 1 至 6 列

1.0000         0    0.9954   -0.0589    0.8524    0.0231
1.0000         0    1.0000   -0.1883    0.9304   -0.3616
1.0000         0    1.0000   -0.0336    1.0000    0.0049
1.0000         0    1.0000   -0.4516    1.0000    1.0000
1.0000         0    1.0000   -0.0240    0.9414    0.0653
1.0000         0    0.0234   -0.0059   -0.0992   -0.1195
1.0000         0    0.9759   -0.1060    0.9460   -0.2080
     0         0         0         0         0         0
1.0000         0    0.9636   -0.0720    1.0000   -0.1433

我正在尝试使用二进制分割来构建决策树，其中一个问题是数据是连续的，而我当前的实现通过保留数据原样并进行分割而变得计算密集。我必须说，如果您只是构建一个分类器，那么这会很糟糕。

就我而言，我将分类器的数量增加了 10 倍，从 5 增加到 50(装袋)。我本想以这种方式进行分箱，将数据分入 0.2 个桶，但我意识到存在负数。我正在使用 matlab 进行实现。我是一个 Matlab 新手，不确定是否有预定义方法来处理这样的场景。

Answer 1

不确定这是否完全解决了您的问题，但如果您的问题是动态定义“存储桶”，您可以这样做:

% Find the minimum and maximum of the matrix
Mmin = min(M(:));
Mmax = max(M(:));

% Assume you have a matrix M with positive and negative values, and want it in bins of 0.2
buckets = Mmin:0.2:Mmax;

% OR assume you want to spread them equally over a fixed amount of bins, say 100
buckets = linspace(Mmin,100,Mmax);

编辑:

假设你想根据一列的值来划分矩阵，比如 3，那么你可以这样做:

% Define the relevant column as a vector for easy handling
v = M(:,3);

% Assume you want to spread them equally over a fixed amount of bins, say 100
buckets = linspace(min(v),100,max(v));
% Now see which column belongs in each bucket
bucket_idx = ones(size(v));
for i = 2:length(buckets)
    bucket_idx(v>buckets(i-1)&(v<buckets(i)) = i;
end

这会告诉您每行属于哪个存储桶，将其矢量化会更好，但目前这是我能想到的最快的解决方案。我认为一旦你知道所有东西都属于哪个桶，你就应该能够解决剩下的问题。