[发明专利]一种基于χ2统计的连续属性离散化方法

权利要求书

1.一种基于x²统计的连续属性离散化方法，该方法基于Chi2系列算法的分析，提出了Rec-Chi2算法；其特征在于具体过程如下：

Step1：初始化；令显著水平α＝0.5；计算信息系统不一致率Incon_rate；

Step2：对每个属性将数据排序并根据公式计算所有相临区间的x²值，通过查表找出与x²对应的值，再计算差异

Step3：合并

while(有可合并的区间)

{ 寻找D′最大的断点进行合并；

  if(Incon_rate增大)

    {撤消合并；goto Step4；}

     else goto Step2；

}

Step4：if(_α已是最后一级)

          {退出程序，离散化完毕；}

       else{α₀＝α；对_α降级；goto Step2；}

Step5：单个属性离散化；

       对每个属性

       { 计算差异D′；

         α＝α₀；

         标志flag＝0；

         while(flag＝＝0)

         { while(尚有可合并的区间)

          { 寻找D′最大的断点进行合并；

    if(Incon_rate增大)

    {撤消合并；flag＝1；break；}

       else更新差异D′；

       }

    if(_α已是最后一级)break；

    else{对_α降级；更新差异D′；}

    }

}

2.根据权利要求1所述的一种基于x²统计的连续属性离散化方法，提出了一种基于差异序列的区间合并方法，并对x²统计量中E_ij取值不精确方面提出了两种改进方案；其特征在于算法具体过程如下：

Step1：初始化；令显著水平α＝0.5；计算信息系统不一致率Incon_rate；

Step2：对每个属性将数据排序并根据公式(1)及E_ij的改进方案，计算所有相临区间的x²值，通过查表找出与x²对应的值，再计算差异

Step3：合并

while(有可合并的区间)

{ 寻找D′最大的断点进行合并；

  if(Incon_rate增大)

    {撤消合并；goto Step4；}

     else goto Step2；

}

Step4：if(_α已是最后一级)

          {根据差异序列的区间合并方法找到可合并的区间

           While(有可合并的区间)

               继续合并；

            {退出程序，离散化完毕；}

           }

       else{α₀＝α；对_α降级；goto Step2；}

Step5：单个属性离散化；

       对每个属性

       { 计算差异D′；

         α＝α₀；

         标志flag＝0；

         while(flag＝＝0)

         { while(尚有可合并的区间)

          { 寻找D′最大的断点进行合并；

       if(Incon_rate增大)

       {撤消合并；flag＝1；break；}

          else更新差异D′；

          }

       if(_α已是最后一级)break；

       else{对_α降级；更新差异D′；}

       }