Skip to main content
 首页 » 编程设计

python之如何使用 Orange 离散化存储在 numpy 数组中的数据

2024年12月31日10qq78292959

我有一组数据存储在“numpy”数组中:

array([['4.8', '3.0', '1.4', '0.3', 'Iris-setosa'], 
['4.6', '3.2', '1.4', '0.2', 'Iris-setosa'], 
['5.3', '3.7', '1.5', '0.2', 'Iris-setosa'], 
['5.0', '3.3', '1.4', '0.2', 'Iris-setosa'], 
['7.0', '3.2', '4.7', '1.4', 'Iris-versicolor'], dtype='<U15') 
  • 这只是一个示例,我不仅在处理 iris 数据集。

我正在尝试使用 Orange离散化这些连续数据。

我知道我可以做这样的事情来完成工作:

import Orange 
iris = Orange.data.Table("iris.tab") 
disc = Orange.preprocess.Discretize() 
disc.method = Orange.preprocess.discretize.EqualFreq(n=3) 
d_iris = disc(iris) 

然而,此方法仅适用于橙色数据表,不适用于 numpy 数组。

有没有办法使用 Orange 来离散化存储在 numpy 数组中的数据?

请您参考如下方法:

d_iris.X 已经是一个 numpy 数组,但您将丢失目标值和 header 。 d_iris.Y 是您可以与 X 合并的目标列。不过请记住,您只会在离散化后看到分配的 bin 值,这可能难以解释。

d_iris.X[:5] 
array([[0., 3., 0., 0.], 
    [0., 1., 0., 0.], 
    [0., 2., 0., 0.], 
    [0., 2., 0., 0.], 
    [0., 3., 0., 0.]])