Sklearn 机器学习 数值离散化 区间标签

亲爱的技术爱好者们，热烈欢迎来到 Kant2048 的博客！我是 Thomas Kant，很开心能在CSDN上与你们相遇～

本博客的精华专栏：
【自动化测试】 【测试经验】 【人工智能】 【Python】

---

Sklearn 机器学习：数值离散化之区间标签设置详解

在机器学习中，连续数值型特征并不总是最优选择，尤其是在面对一些对数值大小不敏感的模型（如决策树、朴素贝叶斯）时。此时，我们常常希望将连续变量离散化（Discretization），转换成类别特征，便于建模与解释。

Scikit-learn 中的 KBinsDiscretizer 提供了强大灵活的数值离散化功能，本文将重点聚焦于 如何自定义区间标签，以提升模型可读性与解释性。

---

一、什么是数值离散化？

数值离散化（Discretization），是将连续变量分成有限数量的区间（bins），并为每个区间赋予一个类别或标签。

举个例子：

年龄（Age）	离散化结果
23	青年
45	中年
67	老年

离散化方式主要有三类：

• 等宽（uniform）：每个区间的宽度相同
• 等频（quantile）：每个区间的样本数量大致相同
• 基于聚类（kmeans）：根据样本聚类划分区间

---

⚙️ 二、Sklearn 中的 KBinsDiscretizer 简介

from sklearn.preprocessing import KBinsDiscretizer

KBinsDiscretizer 的常用参数如下：

参数	说明
n_bins	要分的区间个数
encode	输出格式，如 'ordinal', 'onehot', 'onehot-dense'
strategy	离散化策略：'uniform'、'quantile'、'kmeans'
subsample	采样数量（用于 kmeans）
dtype	返回结果的数据类型

✅ 示例

import numpy as np
from sklearn.preprocessing import KBinsDiscretizer

data = np.array(