python - 如何使用Orange离散化numpy数组中的存储数据？

我有一组存储在“ numpy”数组中的数据：

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')

这只是一个例子，我不仅在处理虹膜数据集。


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)

但是，此方法仅适用于橙色数据表，不适用于numpy数组。

无论如何，可以使用Orange离散存储在numpy数组中的数据吗？

最佳答案

d_iris.X已经是一个numpy数组，但是您将丢失目标值和标头。 d_iris.Y是可以与X合并的目标列。但是请记住，离散化后只能看到分配的bin值，这可能很难解释。

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.]])

关于python - 如何使用Orange离散化numpy数组中的存储数据？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/52900064/