分类方差最小的Python箱子大小

Question

我想将我的特征“Age”从一个连续变量改为一个用于二进制分类的年龄范围的分类变量，如下所示：

df['Age'] = pd.cut(df['Age'], [0,6,12,16,65,90] ,labels=['0-6','6-12','12-16','16-65','65-90'])

不过，我希望以最佳方式对其进行拆分，以便可以最有效地对数据进行分类。i、 e年龄范围内的阶级差异最小化，而不是过度拟合。你知道吗

有没有一个软件包有这样一种方法，可以在这样拆分数据时最小化差异，还是我必须自己写一个？你知道吗

Answer 1

也许你可以用sklearn.cluster来做这个。你知道吗