所以我有一堆功能X的回归问题，以及数量（价格$）的标签。如何将其转换为分类问题？我已经阅读了有关将标签从连续转换为分类的内容，例如在某些点上可能会出现 0-50（0 类）、51-100（1 类）等等，直到 500 可能（这里阈值保持到 50）。这种方法直观上是无效的，即没有数据位于 51-100。有什么方法可以缓解这个问题，或者是否有任何有效的方法可以做到这一点？就像在聚类中我们可以使用密度估计一样，我们可以在这里做到吗？
如何将回归转换为分类？
数据挖掘
机器学习
回归
聚类
统计数据
密度估计
2022-02-15 07:34:18
3个回答
为了增加可用于将回归问题转换为分类问题的方法的数量，您可以使用离散百分位数来定义类别而不是数值。例如，由此您可以预测价格是否在前 10（20、30 等）百分位。numpy.percentile(X[i], percentile)例如，您可以使用 Python 的方法轻松找到这些值。
这种类型的标签将对数据的分布设置阈值。
您要转换的任务实际上并不是分类本身，而是序数分类。我指出这一点是因为有专门处理这个问题的实现。此外，您要问的任务是如何正确bin设置值。为此，您可以将分箱称为预处理步骤。我敢肯定，例如，如果您搜索“binning python”，您会发现各种实现。
由于您的输出是一维的，因此对输出进行聚类相当于固定阈值。您能做的最好的事情就是使用领域知识来区分不同的类别。您还可以绘制价格日志的直方图，看看是否存在混合高斯，并尝试将它们分成几类。
其它你可能感兴趣的问题