為什么要把連續(xù)數(shù)據(jù)離散化，還有離散數(shù)據(jù)連續(xù)化??？不同的模型需要不同的數(shù)據(jù)，所以我們需要相應(yīng)地處理數(shù)據(jù)。對于一般線性回歸模型，自變量的數(shù)據(jù)類型要求是連續(xù)的，因此離散數(shù)據(jù)需要是連續(xù)的。一般來說，0，1，2

為什么要把連續(xù)數(shù)據(jù)離散化，還有離散數(shù)據(jù)連續(xù)化??？

不同的模型需要不同的數(shù)據(jù)，所以我們需要相應(yīng)地處理數(shù)據(jù)。

對于一般線性回歸模型，自變量的數(shù)據(jù)類型要求是連續(xù)的，因此離散數(shù)據(jù)需要是連續(xù)的。一般來說，0，1，2，3的編碼。。。對有序離散變量采用虛擬變量，對無序離散變量生成多個(gè)虛擬變量。對于決策樹模型，需要對連續(xù)數(shù)據(jù)進(jìn)行離散化；為了顯示連續(xù)數(shù)據(jù)的分布特征，在繪制直方圖時(shí)需要對連續(xù)數(shù)據(jù)進(jìn)行離散化

在Microsoft SQL Server 2005 analysis services（SSAS）中創(chuàng)建數(shù)據(jù)挖掘模型的一些算法需要運(yùn)行特定的內(nèi)容類型正確地。例如，某些算法（如Microsoft naive Bayes算法）不能使用連續(xù)列作為輸入，也就是說，它們不能預(yù)測連續(xù)值。此外，有些列可能包含太多的值，這使得算法很難在數(shù)據(jù)中識別相關(guān)模式來創(chuàng)建模型。

在這種情況下，可以對列中的數(shù)據(jù)進(jìn)行離散化，以便使用算法生成挖掘模型。離散化是將一組連續(xù)數(shù)據(jù)的值放入桶中，以得到離散的可能狀態(tài)數(shù)的過程。bucket本身被視為一個(gè)有序的離散值。數(shù)值列和字符串列都可以離散化。

離散化數(shù)據(jù)的方法有很多種。每個(gè)方法都可以使用以下示例代碼中的公式來自動計(jì)算要生成的桶數(shù)：

桶數(shù)=sqrt（n）

在上述示例代碼中，n是列中數(shù)據(jù)非重復(fù)值的數(shù)目。如果不希望analysis services計(jì)算存儲桶數(shù)，可以使用DiscretizationBucket屬性手動指定存儲桶數(shù)。

什么叫做離散化？

我做軟件已經(jīng)20多年了。編程不僅是關(guān)于使用什么語言，而且是關(guān)于思考。編程語言只是一種工具。如果你熟悉一個(gè)工具，那就沒什么值得驕傲的了，除非你想把編程和詩人比較一下。一個(gè)軟件要實(shí)現(xiàn)哪些功能，這些功能用戶如何使用才能酷、易用、穩(wěn)定如新是最重要的。大數(shù)據(jù)是指在一定時(shí)期內(nèi)，傳統(tǒng)軟件工具無法捕捉、管理和處理的數(shù)據(jù)集。它是一種海量、高速增長、多樣化的信息資產(chǎn)，需要新的處理模式具有更強(qiáng)的決策能力、洞察力和流程優(yōu)化能力。

軟件開發(fā)是根據(jù)用戶需求構(gòu)建軟件系統(tǒng)或系統(tǒng)的軟件部分的過程。軟件開發(fā)是一個(gè)系統(tǒng)工程，包括需求捕獲、需求分析、設(shè)計(jì)、實(shí)現(xiàn)和測試。就業(yè)肯定軟件開發(fā)是更好的就業(yè)

在學(xué)習(xí)大數(shù)據(jù)之前先學(xué)一門計(jì)算機(jī)編程語言。大數(shù)據(jù)的開發(fā)需要編程語言的基礎(chǔ)，因?yàn)榇髷?shù)據(jù)的開發(fā)是基于一些常用的高級語言，比如Java和Java。凈額。Java具有簡單性、面向?qū)ο笮浴⒎植际?、健壯性、安全性、平臺無關(guān)性和可移植性、多線程、動態(tài)性等特點(diǎn)。Java可以編寫桌面應(yīng)用程序、web應(yīng)用程序、分布式系統(tǒng)和嵌入式系統(tǒng)應(yīng)用程序。學(xué)習(xí)java會有一定的學(xué)習(xí)能力，然后學(xué)習(xí)其他語言和技術(shù)會容易得多。無論是Hadoop還是數(shù)據(jù)挖掘，都需要高級編程語言的基礎(chǔ)。

因此，如果你想學(xué)習(xí)大數(shù)據(jù)開發(fā)，你還需要至少掌握一門高級語言。例如，許多Hadoop和其他大數(shù)據(jù)處理技術(shù)都使用Java，比如Apache基于Java的HBase、acumulo和elasticsearchas。因此，學(xué)習(xí)Hadoop的首要條件之一就是掌握J(rèn)ava編程語言。