我想将我的特征“年龄”从连续变量更改为年龄范围的分类变量以进行二元分类,如下所示:
df['Age'] = pd.cut(df['Age'], [0,6,12,16,65,90] ,labels=['0-6','6-12','12-16','16-65','65-90'])
但是我想以最佳方式拆分它,以便最有效地对数据进行分类。即年龄范围内的类别方差被最小化,同时不会过度拟合。
是否有一个包有一种方法,可以在像这样分割数据时最大限度地减少方差,还是我必须自己编写一个方法?
最佳答案
也许您可以使用sklearn.cluster
来执行此操作。
关于Python - 分类的最低方差的箱大小,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/44846574/