通过DecisionTreeClassifier sklearn装箱数据？

Question

假设我有一个数据集：

    X     y
   20     0
   22     0
   24     1
   27     0
   30     1
   40     1
   20     0
   ...

我试图通过最小化熵离散X成几箱。所以我做了以下内容：

clf = tree.DecisionTreeClassifier(criterion = 'entropy',max_depth = 4)
clf.fit(X.values.reshape(-1,1),y.values)

threshold = clf.tree_.threshold[clf.tree_.threshold>-2]
threshold = np.sort(threshold)

“门槛”应该给劈分，这是装箱数据的正确方法是什么？

有什么建议么？

Answer 1

第一，你做了什么是正确的。

有许多方法来斌您的数据：

1. 基于列的值（如：除以分钟，该列的值的最大值之间的10个相等的组中的列）。
2. 根据列值的分布，例如它可能是基于列的十分位数10组（最好使用该pandas.qcut）
3. 根据目标，像你这样。我发现有关这个博客给你，我想你寻找最佳的分裂法工作得很好https://towardsdatascience.com/discretisation-using-decision-trees-21910483fa4b