“修剪最大值到 $4 ^ { \dprime \dprime }$ 的意思是所有超过4的值都变成4（不是把这些数据扔掉）。可以看到图8-48在4那里有一个突起。尽管如此，缩小的特征数据集更好了。
8.4.6分箱（分桶）技术
我们还可以考虑另一种技术，那就是分箱（bin，也叫分桶）技术。如果要探讨纬度对加利福尼亚州住房价格的影响，我们发现并不存在由北向南的可直接映射到住房价格上的线性关系（见图8-49）。在维度34附近是洛杉矶，在维度38附近是旧金山。但是在某个特定纬度范围内，却往往存在很强的关联。因此，我们能做的就是，将由北向南的纬度划分成11个不同的小分箱（见图8-50），每个小分箱可以是一个布尔特征。针对这些小分箱，每个维度数值都会变成一个布尔值，此时我们就可以使用独热编码。现在，如果映射到洛杉矶附近的特定分箱中，那么基本上会得到一个1，或者映射到旧金山的特定分箱中，也会得到一个1；而在其他任何地区，都会得到一个0。使用11个特征有点复杂，所以我们可以使用一个11元素的向量。比如，维度37.4附近就是[0,0,0,0,0,1,0,0,0,0,0]。借助这种方式，我们的模型可以将部分非线性关系映射到模型中。
人工智能与大数据技术导论
252