我在开发一个机器学习算法，尝试将连续的目标值转换成小区间，以便更好地理解问题，从而做出更好的预测。我的原始问题是回归问题，但我通过创建带有标签的小区间将其转换为分类问题。

我做了如下尝试，

from sklearn.preprocessing import KBinsDiscretizer  est = KBinsDiscretizer(n_bins=3, encode='ordinal', strategy='uniform')s = est.fit(target) Xt = est.transform(s)

这显示了一个类似下面的值错误。然后我将数据重塑为2D，但问题仍然未解决。

ValueError: Expected 2D array, got 1D array instead:

from sklearn.preprocessing import KBinsDiscretizermyData = pd.read_csv("train.csv", delimiter=",")target = myData.iloc[:,-5]  # 这是一个需要转换成带有新列的区间的连续数据。xx = target.values.reshape(21263,1)est = KBinsDiscretizer(n_bins=3, encode='ordinal', strategy='uniform')s = est.fit(xx) Xt = est.transform(s)

你可以看到我的目标数据有21263行。我需要将这些数据分成10个等距区间，并将结果写入数据框中的新列。感谢指导。

P.S.: 最大目标值:185.0
最小目标值:0.00021

回答：

好的，我已经解决了这个问题。无论如何，如果将来其他人需要这个答案，我会发布我的解决方案。我使用了pandas.qcut

target['Temp_class'] = pd.qcut(target['Temeratue'], 10, labels=False)

这解决了我的问题。