R语言 discretization包 chi2()函数中文帮助文档(中英文对照)

loveR

chi2(discretization)
chi2()所属R语言包：discretization

                                         Discretization using the Chi2 algorithm
                                         离散采用χ^ 2算法

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

This function performs Chi2 discretization algorithm. Chi2 algorithm automatically determines a proper Chi-sqaure(χ^2) threshold that keeps the fidelity of the original numeric dataset.
这个函数执行χ^ 2离散化算法。 χ^ 2算法自动确定适当的广场上（χ^2）阈值保持原来的数字数据的保真度。


用法----------Usage----------


chi2(data, alp = 0.5, del = 0.05)



参数----------Arguments----------

参数：data
the dataset to be discretize
数据集的离散


参数：alp
significance level; α
显着性水平; α


参数：del
Inconsistency(data)< &delta;, (Liu and Setiono(1995))
Inconsistency(data)< &delta;，（刘和Setiono的（1995））


Details

详细信息----------Details----------

The Chi2 algorithm is based on the &chi;^2 statistic, and consists of two phases. In the first phase, it begins with a high significance level(sigLevel), for all numeric attributes for discretization. Each attribute is sorted according to its values. Then the following is performed:  phase 1. calculate the &chi;^2 value for every pair of adjacent intervals (at the beginning, each pattern is put into its own interval that contains only one value of an attribute);  pahse 2. merge the pair of adjacent intervals with the lowest &chi;^2 value. Merging continues until all pairs of intervals have &chi;^2 values exceeding the parameter determined by sigLevel. The above process is repeated with a decreased sigLevel until an inconsistency rate(&delta;), incon(), is exceeded in the discretized data(Liu and Setiono (1995)).
χ^ 2算法的基础上&chi;^2统计，并分为两个阶段。在第一阶段，它具有很高的显着性水平（sigLevel），所有数值属性离散化的开始。每一个属性进行排序，根据自己的价值观。再下面是进行：第1阶段。计算&chi;^2的值的每对相邻的间隔（在开始时，每个图案被置于其自己的时间间隔，仅包含一个值的一个属性）; pahse 2。合并对相邻间隔与最低&chi;^2值。合并继续，直到所有的时间间隔对&chi;^2值超过确定的参数由sigLevel。上述过程被重复与降低sigLevel直到不一致率（&delta;），incon()，在离散化数据超过（Liu和Setiono（1995））。


值----------Value----------

<table summary="R valueblock"> <tr valign="top"><td>cutp </td> <td> list of cut-points for each variable</td></tr> <tr valign="top"><td>Disc.data </td> <td> discretized data matrix</td></tr> </table>
<table summary="R valueblock"> <tr valign="top"> <TD> cutp </ TD> <TD>的切点为每个变量列表</ TD> </ TR> <TR VALIGN =“”> <TD>Disc.data  </ TD> <TD>离散化数据矩阵</ TD> </ TR> </ TABLE>


（作者）----------Author(s)----------



HyunJi Kim <a href="mailto:polaris7867@gmail.com">polaris7867@gmail.com</a>




参考文献----------References----------

Liu, H. and Setiono, R. (1995). Chi2: Feature selection and discretization of numeric attributes, Tools with Artificial Intelligence, 388&ndash;391.
Liu, H. and Setiono, R. (1997). Feature selection and discretization, IEEE  transactions on knowledge and data engineering, Vol.9, no.4, 642&ndash;645.

参见----------See Also----------

value, incon and chiM.
value，incon和chiM。


实例----------Examples----------


data(iris)
#---cut-points[---切点]
chi2(iris,0.5,0.05)$cutp

#--discretized dataset using Chi2 algorithm[ - 使用χ^ 2算法的离散数据集]
chi2(iris,0.5,0.05)$Disc.data

转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。


注：
注1：为了方便大家学习，本文档为生物统计家园网机器人LoveR翻译而成，仅供个人R语言学习参考使用，生物统计家园保留版权。
注2：由于是机器人自动翻译，难免有不准确之处，使用时仔细对照中、英文内容进行反复理解，可以帮助R语言的学习。
注3：如遇到不准确之处，请在本贴的后面进行回帖，我们会逐渐进行修订。