混合整数数据分类方案.docxVIP

混合整数数据分类方案

混合整数数据分类方案

数据分类任务在面对同时包含连续数值与离散类别变量的混合整数数据时，往往比单一类型数据的处理更加复杂。混合整数数据既可能包含代表数量的整数特征，也可能包含代表类别编码、标识编码、等级编码的整数型离散特征，还可能包含由业务系统导出的有序或无序编码字段。若直接套用仅适合连续型数据的距离度量、聚类边界或树分裂规则，就会导致模型把编码类整数误认为可比较的数值，把顺序类整数强行赋予不存在的等差含义，把稀疏高基数整数特征放大为噪声维度。因此在设计混合整数数据分类方案时，需要从特征语义识别开始，先判断每一个整数字段究竟代表计数、编号、等级、标志还是类别映射