分類中對連續資料的類劃分：

在 C4.5 演算法中採用二分法對連續值進行處理。
Markdown Code

對於連續的屬性 XX 假設共出現了 n 個不同的取值，將這些取值從小到大排序{x1,x2,x3,…,xn}{x1,x2,x3,…,xn}，其中找一點作為劃分點 t ，則將資料劃分為兩類，大於 t 的為一類，小於 t 的為另一類。而 t 的取值通常為相鄰兩點的平均數

t=xi+xi+12t=xi+xi+12。

則在 n 個連續值之中，可以作為劃分點的 t 有 n-1 個。通過遍歷可以像離散型一樣來考察這些劃分點。

Gain(D,X)=Ent(D)−||D

def get_splitpoint(data, base_ent, feature):
    """
    引數:
    data -- 資料集
    base_ent -- 根節點的資訊熵
    feature -- 需要劃分的連續特徵

    返回:
    final_t -- 連續值最優劃分點
    """
    continues_value = data[feature].sort_values().astype(np.float64)  # 將連續值進行排序並轉化為浮點型別
    continues_value = [i for i in continues_value]  # 不保留原來的索引
 

    t_set = []
    t_ent = {}
    for i in range(len(continues_value)-1):  # 得到劃分點 t 的集合
        temp_t = (continues_value[i]+continues_value[i+1])/2
        t_set.append(temp_t)
    for each_t in t_set:  # 計算最優劃分點
        temp1_data = data[data[feature].astype(np.float64) > each_t]  # 將大於劃分點的分為一類
 

        temp2_data = data[data[feature].astype(np.float64) < each_t]  # 將小於劃分點的分為一類
        weight1 = len(temp1_data)/len(data)
        weight2 = len(temp2_data)/len(data)
        temp_ent = base_ent-weight1 * \
            get_Ent(temp1_data)-weight2*get_Ent(temp2_data)  # 計算每個劃分點的資訊增益
        t_ent[each_t] = temp_ent
    print("t_ent:", t_ent)
    final_t = max(t_ent, key=t_ent.get)
    return final_t
final_t=get_splitpoint(data,base_ent,'height')

#得到final_t後，對資料進行預處理：
def choice_1(x, t):
    if x > t:
        return ">{}".format(t)
    else:
        return "<{}".format(t)
deal_data = data.copy()
# 使用lambda和map函式將 height 按照final_t劃分為兩個類別
deal_data["height"] = pd.Series(
    map(lambda x: choice_1(int(x), final_t), deal_data["height"]))
deal_data