问如何通过连续特征对一组样本进行分类？

EN

例如，我在桌子下面，这是一个简单的分布20岁以上的人。

年龄再分配指标--人的统计

-2、

• 、C/17、C、B、B、C、B、C、B、B、C、C、B、B、C、B、B

然后，通过使用相同的数据集，我可以构建另一个“更好”的表。

年龄再分配指标--人的统计

-

实际上，通过使用相同的数据集，我可以创建更多包含不同年龄范围组合的表。

现在我想知道怎样才能找到最好的组合。我们可以通过以下三个原则来衡量组合是否好的可能的“善函数”：

不应该有太多的或太少的类，不应该有太多的类变化，much.

• Distribution应该足够平滑，也就是说，每个类所涵盖的项的数量不应该有太多的变化。

由于这个问题只是一般的情况，足以描述一种具体的问题，所以应该已经有了一些复杂的解决办法。但我没能找到他们。有人能给我一些建议吗？

我已经经历了一些分类算法，如PCA、k-均值或“基于最大熵的算法”，但它们似乎过于笼统，无法通过遵循上述三项原则来解决这个具体问题。