连续型特征的分段和离散化,一般使用 CutTransformer、LabelBinarizer来完成,示例代码如下:

# #####################################################
# File: 02-preprocess-05-CutTransformer
# Author: jinlong.hao
# Date: 2019-12-04
# CutTransfomer: 连续变量分段函数，类似与df.cut()，但是可以整合到pipeline中
#    与KbinsDescretizer的区别在于，此处时手工进行分段
# DESC：
#    1. import
#    2. 加载测试数据
#    3. 基础使用
#    4. 与DataFrame整合使用
# ####################################################
 
# 1. import
from sklearn.preprocessing import OneHotEncoder, LabelBinarizer
from sklearn.preprocessing import OrdinalEncoder, Binarizer, LabelEncoder
from sklearn_pandas import DataFrameMapper
import numpy as np
import pandas as pd
from sklearn2pmml.preprocessing import CutTransformer
 
 
# 2. 加载示例数据
df = pd.DataFrame({
    'age': [3, 3, 7, 4, 2, 4, 4, 7,2],
    'salary': [36, 39, 17, 82, 42, 10, 83, 19, 22]
})
 
 
# 4. 配合DataFrameMapper，多个转化连续进行
dataFrameMapper_continue = DataFrameMapper([
    #('age', [CutTransformer([0, 2, 5, 10]), 
    #     LabelEncoder(), 
    #     LabelBinarizer()]),  # 该方式在生成pmml时报错
    ('age', [
        CutTransformer([0, 2, 5, 10], labels=['1', '2', '3']), 
        LabelBinarizer()])
], df_out=True)
df_continue = dataFrameMapper_continue.fit_transform(df)