常用的離散化方法有等寬法、 等頻法和（一維） 聚類。

（1） 等寬法

該法將屬性的值域分成具有相同寬度的區(qū)間， 區(qū)間的個數(shù)由數(shù)據(jù)本身的

特點決定， 或者由用戶指定， 類似于制作頻率分布表。

（2） 等頻法

該法將相同數(shù)量的記錄放進每個區(qū)間。

這兩種方法簡單， 易于操作， 但都需要人為地規(guī)定劃分區(qū)間的個數(shù)。 同

時， 等寬法的缺點在于它對離群點比較敏感， 傾向于不均勻地把屬性值分布

到各個區(qū)間。 有些區(qū)間包含許多數(shù)據(jù)， 而另外一些區(qū)間的數(shù)據(jù)極少， 這樣會

嚴重損壞建立的決策模型。 等頻法雖然避免了上述問題的產(chǎn)生， 卻可能將相

同的數(shù)據(jù)值分到不同的區(qū)間以滿足每個區(qū)間中固定的數(shù)據(jù)個數(shù)。

（3） （一維） 聚類

（一維） 聚類的方法包括兩個步驟， 首先將連續(xù)屬性的值用聚類算法

（如K-Means算法） 進行聚類， 然后再將聚類得到的簇進行處理， 合并到一

個簇的連續(xù)屬性值并做同一標記。 聚類分析的離散化方法也需要用戶指定簇

的個數(shù)， 從而決定產(chǎn)生的區(qū)間數(shù)。

##設(shè)置工作空間

#把“數(shù)據(jù)及程序” 文件夾復(fù)制到F盤下， 再用setwd設(shè)置工作空間

setwd（"F： /數(shù)據(jù)及程序/chapter4/示例程序"）

#讀取數(shù)據(jù)文件， 提取標題行data=read.csv（'./data/discretization_data.csv'， header=T）

#等寬離散化

v1=ceiling（data［， 1］ *10）

#等頻離散化

names（data） ='f'#變量重命名

attach（data）

seq（0， length（f） ， length（f） /6） #等頻劃分為6組

v=sort（f） #按大小排序作為離散化依據(jù)

v2=rep（0， 930） #定義新變量

for（i in 1： 930） v2［i］ =ifelse（f［i］ <=v［155］ ， 1，

ifelse（f［i］ <=v［310］ ， 2，

ifelse（f［i］ <=v［465］ ， 3，

ifelse（f［i］ <=v［620］ ， 4，

ifelse（f［i］ <=v［775］ ， 5， 6） ） ） ） ）

detach（data）

#聚類離散化

result=kmeans（data， 6）

v3=result$cluster

#圖示結(jié)果

plot（data［， 1］ ， v1， xlab='肝氣郁結(jié)證型系數(shù)'）

plot（data［， 1］ ， v2， xlab='肝氣郁結(jié)證型系數(shù)'）

plot（data［， 1］ ， v3， xlab='肝氣郁結(jié)證型系數(shù)'）