跳转到内容
主菜单
主菜单
移至侧栏
隐藏
导航
首页
最近更改
随机页面
MediaWiki帮助
代码酷
搜索
搜索
中文(中国大陆)
外观
创建账号
登录
个人工具
创建账号
登录
未登录编辑者的页面
了解详情
贡献
讨论
编辑“︁
离散化方法
”︁(章节)
页面
讨论
大陆简体
阅读
编辑
编辑源代码
查看历史
工具
工具
移至侧栏
隐藏
操作
阅读
编辑
编辑源代码
查看历史
常规
链入页面
相关更改
特殊页面
页面信息
外观
移至侧栏
隐藏
您的更改会在有权核准的用户核准后向读者展示。
警告:
您没有登录。如果您进行任何编辑,您的IP地址会公开展示。如果您
登录
或
创建账号
,您的编辑会以您的用户名署名,此外还有其他益处。
反垃圾检查。
不要
加入这个!
== 实现示例 == 以下是Python标准离散化实现(包含边界处理): <syntaxhighlight lang="python"> def discretize(arr): # 步骤1: 排序并去重 sorted_unique = sorted(set(arr)) # 步骤2: 建立值到索引的映射 value_to_index = {v: i+1 for i, v in enumerate(sorted_unique)} # 通常从1开始编号 # 步骤3: 应用映射 return [value_to_index[x] for x in arr] # 示例 original = [1000, -20, 30, 30, 500] discrete = discretize(original) print("原始数据:", original) # 输出: [1000, -20, 30, 30, 500] print("离散结果:", discrete) # 输出: [3, 1, 2, 2, 4] </syntaxhighlight> 关键点说明: * 去重后元素数量决定离散化后的值域大小 * 映射后的索引通常从1开始(方便前缀和等操作) * 时间复杂度:<math>O(n \log n)</math>(排序主导)
摘要:
请注意,所有对代码酷的贡献均被视为依照知识共享署名-非商业性使用-相同方式共享发表(详情请见
代码酷:著作权
)。如果您不希望您的文字作品被随意编辑和分发传播,请不要在此提交。
您同时也向我们承诺,您提交的内容为您自己所创作,或是复制自公共领域或类似自由来源。
未经许可,请勿提交受著作权保护的作品!
取消
编辑帮助
(在新窗口中打开)