python - 如何在决策树中对数据集的连续变量列进行类别划分？

Question

当我有一个像 123 到 189 这样的数字列时，我如何知道可以将这些数字分为多少组以及哪个阈值是最佳选择？

谁能解释一下吗？

提前致谢!

Answer 1

努尔兰，你提供的信息很少。

那么您的列的值范围是从 123 到 189 吗？

这完全取决于领域和问题的背景。

假设我有一个名为 Marks 的列，范围从 0 到 100，我会尝试将其分为 3 类 - 低、中、高。也许还可以尝试 4 个类别 - 低、平均、中、高。

然后比较每种情况下的性能。

另一个好的方法是将它们除以四分位数。

Pandas 有cut and qcut为此目的。