WILD:基于加权信息损耗的离散化算法

• 作者: 李刚 李霁伦 童铑
• 来源期刊: 南京大学学报(自然科学版)
• 学科: 工学
• 关键词: 机器学习 离散化 熵
• 年，卷（期）: 2001,（2）
• 页码范围: 148-153
• 页数: 6页
• 分类号: TP18
• 字数: 3457字
• 语种: 中文
• DOI: 10.3321/j.issn:0469-5097.2001.02.003

摘要

现实应用中常常涉及许多连续的数值属性,而目前许多机器学习算法则要求所处理的属性具有离散值.基于信息论的基本原理,提出一种新的有监督离散化算法WILD,它可以看成是决策树离散化算法的一种扩充,其主要改进在于考虑区间内观测值出现的频度,采用加权信息损耗作为区间离散化的测度,以克服决策树算法离散不均衡的问题.该算法非常自然地采用了自底向上的区间归并方案,可以同时归并多个相邻区间,有利于提高离散化算法的速度.实验结果表明该算法能够提高机器学习算法的精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李刚	上海大学计算机科学系	19	68	6.0	7.0
2	李霁伦	上海交通大学计算机系	2	13	1.0	2.0
3	童铑	上海大学计算机科学系	1	12	1.0	1.0