数据挖掘中基于可辨识矩阵的连续属性离散化方法

统计研究 ›› 2007, Vol. 24 ›› Issue (4): 8-10.

数据挖掘中基于可辨识矩阵的连续属性离散化方法

刘云霞曾五一

厦门大学计划统计系

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-04-15 发布日期:2007-04-15

Discretization of Continuous Attributes Based on Discernibility Matrix in Data Mining

LIU Yun-xia;ZENG Wu-yi

Received:1900-01-01 Revised:1900-01-01 Online:2007-04-15 Published:2007-04-15

摘要/Abstract

摘要： 连续属性的离散化在数据挖掘中有着非常重要的作用。本文基于可辨识矩阵提出一种连续属性离散化的方法，并利用平均互信息量对离散化结果进行修正。该方法通过统计模拟取得了良好的效果。

关键词: 数据挖掘, 可辨识矩阵, 连续属性, 离散化

Abstract: The discretization of continuous attributes is important in Data Mining. The paper put forward a method of discretization of continuous attributes based on discernibility matrix and revised the discrete result by average mutual information. This method gained good effect by statistical simulation.

Key words: Data Mining, Discernibility Matrix, Continuous Attributes, Discretization

刘云霞曾五一. 数据挖掘中基于可辨识矩阵的连续属性离散化方法[J]. 统计研究, 2007, 24(4): 8-10.

LIU Yun-xia, ZENG Wu-yi. Discretization of Continuous Attributes Based on Discernibility Matrix in Data Mining [J]. Statistical Research, 2007, 24(4): 8-10.

[1]	张峰等. 工业取用水监测奇异数据挖掘与重构方法[J]. 统计研究, 2019, 36(9): 68-.
[2]	黄恒君漆威. 海量半结构化数据采集、存储及分析——基于实时空气质量数据处理的实践[J]. 统计研究, 2014, 31(5): 10-16.
[3]	李卉等. 大数据在我国高速公路超限问题研究中的应用初探[J]. 统计研究, 2014, 31(10): 70-73.
[4]	王磊等. 数据挖掘模型在小企业主信用评分领域的应用 [J]. 统计研究, 2014, 31(10): 89-98.
[5]	刘云霞曾五一. 关于综合利用Benford法则与其他方法评估统计数据质量的进一步研究[J]. 统计研究, 2013, 30(8): 3-9.
[6]	谢佳斌金勇进谢邦昌. 数据挖掘方法应用于调查数据的抽样权重问题[J]. 统计研究, 2009, 26(4): 101-104.
[7]	何海鹰朱建平谢邦昌. 证券投资意识调查分析 —基于数据挖掘的视角 [J]. 统计研究, 2008, 25(9): 49-53.
[8]	殷瑞飞, 朱建平. 数据挖掘中一种新的聚类方法——基于对应分析与因子旋转 [J]. 统计研究, 2008, 25(1): 93-97.
[9]	朱建平来升强. 流式数据挖掘的现状及统计的研究趋势[J]. 统计研究, 2007, 24(7): 84-87.
[10]	来升强;朱建平. 数据挖掘中高维定性数据的粗糙集聚类 [J]. 统计研究, 2005, 22(8): 56-5.
[11]	滕广青, 毛英爽. 国外数据挖掘应用研究与发展分析[J]. 统计研究, 2005, 22(12): 68-3.
[12]	李金昌, 徐雪琪. 数据挖掘质量问题探讨[J]. 统计研究, 2004, 21(7): 49-4.
[13]	朱建平, 谢邦昌. 数据挖掘中关联规则的提升及其应用[J]. 统计研究, 2004, 21(12): 34-6.
[14]	朱建平, 张润楚. 数据挖掘中事务性数据库的压缩及其应用[J]. 统计研究, 2004, 21(1): 38-7.
[15]	朱世武　崔嵬　张尧庭　谢邦昌. 数据挖掘与其他技术的比较[J]. 统计研究, 2003, 20(7): 58-4.