摘要：提出了连续属性的一种离散化方法，指出与其他离散化方法的不同之处：离散化算法应是与挖掘目标息息相关的．研究和探讨了分类问题中的属性离散化方法，以分类精度和正域的势来评估每一步离散化过程，并将评估结果进行反馈，直至所有属性的属性值判断完为止．通过UCI机器学习数据库的实验表明，属性值个数的减少会提高在数据集上运行数据挖掘算法的效率，离散化后的分类正确率保持不变或有一定的提高．

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）