安装R包
（直接在RStudio安装GD包）
install.packages("GD")
加载数据
library(GD) #加载GD包
setwd("X:\\work\\GD") #设置工作路径
data1<-read.csv("data_raw.csv") #读取数据（未经离散化处理的原始数据）
head(data1) #可以查看数据
离散化方法
GD包中提供了六种离散化方法：
- equal（等距离间隔法）
- natural（自然断点分类法）
- quantile（分位数法）
- geometric（几何间隔法）
- sd（标准差法）
- manual（手动间隔法）
离散化优化
通过GD包中提供的optidisc()函数，可以自动计算最优的方法及分类
discmethod<-c("equal","natural","quantile","geometric","sd") #选择离散化方法
discitv<-c(3:8) #定义间隔点个数为3~8个（间隔数量至少定义为3，不然会报错'非数值的矩阵范围'）
odc1<-optidisc(y~x1+x2,data=data1,discmethod,discitv) #设置变量，~前为因变量，后为自变量
odc1 #输出结果
plot(odc1) #可视化结果
结果表明，以自变量'人口密度'为例，采用几何间隔方法分为7类为最优：
optimal discretization result of pop_den
method : geometric
number of intervals: 7
intervals:0 6.120119 49.69609 359.9622 2569.094 18298.37 130292.7
numbers of data within intervals:15 3 17 139 508 446
可视化结果：
