我的数据集包含多个数值和分类属性

例如：numericAttr1, numericAttr2, categoricalAttr1, numericalAttr3… 其中分类属性的值为：categoricalAttrValue1, categoricalAttrValue2, categoricalAttrValue3。

我考虑将数值数据转换为分类数据（使用分箱算法），然后应用ID3算法生成树，因为ID3算法仅处理离散数据。但是，如何处理过拟合问题？另外，将数值数据分类后应用ID3算法是否正确？

回答：

如果过拟合是一个问题，并且可以更换模型，我建议使用随机森林，因为它们非常不容易过拟合。

你也不必担心分箱过程会导致过拟合，因为它对数据进行了概括，如果有任何影响，更可能是减少过拟合。