四、处理连续型特征：二值化与分段

prepscessing.Binarizer二值化，文本数据常见操作

属性threshold：设置阈值，大于阈值1，小于0

prepscessing.KBinsDiscretizer分箱

1、3个参数

1）n_bins：分箱个数，默认5

2）encode：默认"onehot"

"onehot"：一列一类，有该类1，无0

"ordinal"：有几个特征几列，每个特征用数字显示类别

"onehot-dense"不常用

3）strategy：定义箱宽，默认"quantile"

"uniform"：等宽分箱，特征值极差/箱数

"quantile"：等位分箱，每箱样本数相同

"kmeans"：聚类分箱，分类，同类一箱

处理连续型特征：二值化和分箱

根据阈值将数据二值化（将特征值设置为0或1），用于处理连续型变量。大于阈值的值映射为1，而小于或等于阈 值的值映射为0。默认阈值为0时，特征中所有的正值都映射到1。

二值化是对文本计数数据的常见操作，分析人员 可以决定仅考虑某种现象的存在与否。它还可以用作考虑布尔随机变量的估计器的预处理步骤（例如，使用贝叶斯 设置中的伯努利分布建模）。

分箱