粗糙集法的缺点是，难以直接处理连续的属性，必须现将属性离散化。因此，（ ）问题是制约粗糙集理论实用化的难点。
A: 连续属性离散化
B: 离散属性连续化
A: 连续属性离散化
B: 离散属性连续化
举一反三
- 决策树连续属性非监督离散化的常用方法有以下哪些方法?? 等宽离散化|聚类离散化|最大信息增益率离散化|等频离散化
- 决策树算法只能处理具有离散特征属性的数据集，对于连续特征属性的数据集无能为力。
- 关于Weka离散化说明正确的是（ ）。 A: 有监督离散化有两种等宽和等频方法 B: 离散化是将数值属性转换为字符串型属性 C: 离散化包括无监督离散化和有监督离散化 D: 等宽离散化是使实例分布均匀的
- 信号时域离散化对应频域连续化，信号时域周期化对应频域离散化。
- Apriori算法是最有影响的挖掘布尔关联规则频繁项集的算法。其核心是基于两阶段（ ）思想的递推算法。 A: 连续数据离散化 B: 频繁项集 C: 关联项集 D: 离散数据连续化