discretization

0热度

1回答

我有一组从1到50的整数值，我想离散化这个集合以处理范围而不是单个值（它们是决策树的大量数字）。假设我想要的范围是1到25，另一个范围是26到50.我尝试过使用Discretize过滤器，但我没有得到任何工作。你知道如何在WEKA中做到这一点吗？预先感谢您

0热度

1回答

如何在R

中控制CutPoints（执行受监督装仓时）我正在使用R的“离散化”包。找到割点时，我得到以下结果。命令： discretization::cutPoints(data3$Dist_to_Stream, data3$Malaria_w3) 其中Dist_to_Stream是数值和Malaria_w3的变量是类（分类） [1] 5.118175 95.484400 119.386500 300

0热度

1回答

连续状态空间模型的离散化

我在论文http://www.uta.edu/utari/acs/ee4314/lectures/Lecture%207b.pdf（最后一页）中实现了Simulink中倒立摆的数学模型。我现在的任务是离散化这种模型，并在Simulink（离散PID）中设计一个离散控制器。从理论上我知道系统的采样时间必须满足奈奎斯特采样定理。如何估计（理论上或实验上）连续时间模型的最高频率以选择适当的采样时间

0热度

1回答

MATLAB：如何离散10个变量的函数（目前使用ndgrid和arrayfun）？

我有一个函数 function [output1 output2] = func(v1,v2,v3,v4,v5,v6,v7,v8,v9,v10) ，我想离散。我将执行涉及此功能的优化，我认为优化的效率将从离散函数中受益，然后对数据执行样条插值，而不必评估连续函数。基本上，我想为输出1和输出2中的每一个都输出一个10-D double，它们与v1，v2，... v10的变化值相关联。怀着无限的

1热度

1回答

Matlab中的分位数排序

我有一个n -by- 1载体其中n = 20000。我想为这个向量中的数据做一个十分位的排名，这个排名基本上是用相应的十分位数来替换每个元素的值。我目前做这种方式： deciles = quantile(X,9); X = discretize(X,[-inf deciles inf]); 哪里X是我的数据阵列。我这样做是因为我想在每个数据组中使用相同数量的10组数据。你能验证这个程序吗

0热度

1回答

“找不到目标（y）或者它不是数字”-P包含 - R

我试图在R软件中使用smbinning软件包来查找某个变量的最佳配置。运行命令 result=smbinning(df=bop,y="FLAG_TARGET",x="VL_TOTL_REND",p=0.05) 返回以下错误消息： “目标（Y）未找到或者它不是数字” 这到底是怎么回事？ FLAG_TARGET是数字，我已经尝试将数据格式更改为整数，但它不起作用。有没有解决这个问题的方法？

3热度

2回答

将我的有限差分模型从2D更改为3D会导致不稳定行为

我一直在写一个有限差分代码，用于使用激光诱导热成像进行模拟和裂纹检测。裂缝由因子a和b实现，这些因子通过使用鬼点方法“阻尼”通过充气裂缝的热流。二维模型按预期运行，稳定条件满足，一切正常。它甚至可以用实验数据证明。只需复制并粘贴即可使用。 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %% 2

1热度

1回答

与橙色python库交叉验证

我尝试使用python包“橙色”进行交叉验证。这个库看起来很不错，但是我有一些问题。对于版本信息，我使用Python 2.7和Orange 2.7.8。我的任务很简单。我想验证模型与交叉验证与（1）离散化的数字属性和（2）功能选择。如你所知，在这里，在交叉验证循环中处理离散化和特征选择是很重要的。换句话说，对于每个交叉验证循环，（1）只对训练数据进行离散化处理，对测试数据使用相同的舍入切割

0热度

1回答

连续3维变量的离散化

我目前正在研究具有3维连续变量（x，y，z）的机器学习分类问题，我也想添加已经是离散变量的时间（t）。我的数据看起来像这样一个例子： x y z t [0.1 ,2.6, 0.0] [0.1 ,2.0, -3.0] [0.0 ,5.6, 5.0] 1486033702474 将采取每个连续变量的意思足够？请问我该如何表示/格式化这些变量以在Python中的任何

6热度

1回答

离散化连续变量的日志

我想离散化一个连续变量，将其切割成三个层次。我想为积极连续变量的日志（在这种情况下为收入）做同样的事情。 require(dplyr) set.seed(3) mydata = data.frame(realinc = rexp(10000)) summary(mydata) new = mydata %>% select(realinc) %>% mutate(l