داتا ماينينج · CSC213

الـ Binning: Equal-Width مقابل Equal-Frequency (Equal-Depth) بأمثلة

داتا ماينينج شروحات ومراجعات

الـ binning بيقسم القيم الرقمية المرتبة لـ bins. الـ equal-width الـ bins ليها نفس المدى، والـ equal-frequency (equal-depth) كل bin فيها تقريبًا نفس عدد القيم.

الـ Equal-width (distance) بيقسم المدى لـ N فترات متساوية العرض: العرض = (max - min) / N. بسيط بس لو الداتا منحرفة أو فيها outliers ممكن bins تبقى شبه فاضية وغيرها زحمة. الـ Equal-frequency (equal-depth) بيرتب الداتا ويقسمها لـ N bins كل واحدة فيها تقريبًا نفس عدد العينات. بيتعامل مع الداتا المنحرفة أحسن بس حدود الـ bins ممكن تبقى غير متساوية.

بعد الـ binning تقدر تسوّي القيم الـ noisy: smoothing by bin means بيبدل كل قيمة بمتوسط الـ bin بتاعها، وby bin medians بالوسيط، وby bin boundaries بيبدل كل قيمة بأقرب حد (min أو max للـ bin).

والـ binning بيستخدم كمان في الـ discretization يعني تحويل attribute مستمر لفترات وتقليل عدد القيم.

أهم النقاط

  • Equal-width: العرض = (max - min) / N.
  • Equal-frequency: نفس العدد في كل bin بعد الترتيب.
  • التسوية بالمتوسطات أو الوسيط أو الحدود.
  • الـ outliers بتبوّظ bins الـ equal-width.
  • الـ binning بيعمل discretization وبيسوّي الـ noise.

مثال محلول

أسعار مرتبة: 4 و8 و9 و15 و21 و21 و24 و25 و26 و28 و29 و34. Equal-frequency بـ 3 bins: [4, 8, 9, 15] و[21, 21, 24, 25] و[26, 28, 29, 34]. متوسطات الـ bins: 9 و22.75 و29.25. Equal-width بـ 3 bins: العرض = (34 - 4) / 3 = 10 فيطلع [4-14): 4 و8 و9؛ [14-24): 15 و21 و21؛ [24-34]: 24 و25 و26 و28 و29 و34.

أسئلة شائعة

أنهي binning أحسن للداتا المنحرفة؟

الـ equal-frequency لأن كل bin بياخد تقريبًا نفس عدد القيم.

إزاي بنحسب عرض الـ bin في equal-width؟

اطرح الـ min من الـ max واقسم على عدد الـ bins.

أسئلة تدريب على الموضوع ده

جرّبها بنفسك، وبعدين افتح التطبيق وشوف الإجابة والشرح.

  1. Divides the range into N intervals, each containing approximately same number of samples is Equal-depth (frequency) partitioning?
    • A. False
    • B. True
  2. Sort the dataset and partition into equal frequency. This process called
    • A. Classification
    • B. Regression
    • C. Clustering
    • D. Binning
  3. Divides the range into N intervals of equal size is Equal-width (distance) partitioning?
    • A. True
    • B. False