基于K-means与ChiMerge算法的数据离散化比较研究

作者：李浩; 魏明

来源：信息技术, 2020, 44(11): 121-131.

DOI：10.13274/j.cnki.hdzj.2020.11.024

• 离散化
• K-means
• ChiMerge
• 贝叶斯网络

许多机器学习算法要求变量为离散量,例如决策树、贝叶斯网络等。当出现变量为连续变量的情况时,需要对连续变量进行离散化处理。离散化直接影响了算法的处理效果,其对整个算法模型具有重大意义。文中提出了两种离散化方式,一种是改进的K-means(K均值聚类)离散化算法,其能确定最佳聚类数并在无监督的条件下进行离散化,一种是传统的有监督离散化算法ChiMerge,使用两种方法对数据集进行离散化处理,然后分别建立贝叶斯网络并且进行预测分析,比较二者的离散化结果。实验表明,相对于改进的K-means算法,ChiMerge的离散化效果更好,但处理效率明显低于前者。

• 单位
  武汉邮电科学研究院