数据源——数据可视化（七）：Pandas香港酒店数据高级分析，涉及相关系数，协方差，数据离散化，透视表等精美可视化展示

直方图进行数据离散化实验

通过将属性值域划分为区间，数 据离散化技术可以用来减少给定连续属性值的个数。区间的标记可以替代实际的数据值。用少数区间标记替换连续属性的数值，从而减少和简化了 原来的数据。这导致挖掘结果的简洁、易于使用的、知识层面的表示。离散化技术可以根据如何进行离散化加以分类，如根据是否使用类信息或根据进行方向分类。对于给定的数值属性，概念分层定义了该属性的一个离散化。通过收集较高层的概念并用它们替换较低层的概念，概念分层可以用来归约数据。通过这种数据泛化，尽管细节丢失了，但是泛化后的数据更有意义、更容易解释。

数据离散化 有些算法(如关联分析)，只能处理标称型属性，这时候就需要对数值型的属性进行离散化。 对取值有限的数值型属性可通过修改.arff文件中该属性数据类型实现离散化。 例如，在某数据集中的 “children”属性只有4个数值型取值：0，1，2，3。 我们直接修改ARFF文件，把 @attribute children numeric 改为 @attribute children {0,1,2,3} 就可以了。 在“Explorer”中重新打开“bank-data.arff”，看看选中“children”属性后，区域6那里显示的“Type” 变成“Nominal”了。

使用matlab代码编写了Chimerge算法的通用函数并加上具体解析 直接修改函数的数据即可实现数据的离散化 代码亲测具备通用性，如果有问题欢迎留言