[发明专利]一种基于χ2统计的连续属性离散化方法

摘要

一种基于χ2统计的连续属性离散化方法，属于数据挖掘领域。其特征是对Chi2系列算法的分析，重新定义了离散化标准，能够更合理更有效地对连续属性进行离散化；利用差异序列的区间合并方法为标准，使得所有相邻区间具有公平合并的机会，很好的解决了不公平的问题。另外，对χ2统计量中Eij取值不精确方面进行了分析，并且提出了两种改进方案。本发明的效果和益处是在保持从原始数据提取信息高效性的同时，使得离散化进程更加精确，能够在进行机器学习时得到更高的准确性。

主权项

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′；}    }}