分档不平衡数据

Question

我有一个不平衡的数字数据集，如下所示：

。

我需要将数据分成8个分区，但是如果我将分区设置为相同大小，我会将所有数据分别放入两个分区，其余分别为空。

当存在大量数据点时，是否有统计或数学方法可以使用细粒度数据箱对数据进行离散化，然后在数据点较少时使其成为更粗粒度的数据块？

Answer 1

您可以对数据进行排序并根据 rank 对其进行分类。有时也被称为“深度”。因此，如果排序后的数据是

[1, 2, 4, 8, 16, 32]

你想要三个箱子。你会用

[1, 2] [4, 8] [16, 32]

但是定义bin中心和边界的好逻辑很难吗？您可能会使用以下方式：1.5,6,24作为中心，最大值和最小值的中间值作为单元格边界：[1：3] [3:12]和[12:32]。

垃圾箱尺寸不再有趣因为它们都预计会同样大吗？但是，如果您有多个变量，则箱的组合可能低于平均值或高于预期值。即表示变量之间存在某种依赖关系。