Weka：Src和Dest在我在训练集上进行特征选择后的属性数不同

Question

我正在尝试使用weka对文本进行分类。我这样做是：

• 我在包含所有数据的大型ARFF文件上创建：all_of_it.arff。
• 我将这些数据拆分为培训和测试：train.arff和test.arff
• 我在训练集上进行特征选择并输出新的训练文件：train_fs.arff
• 我构建了一个只包含所选功能的分类器。

问题是.....

我不太清楚如何将测试集标准化为仅使用我从训练集中选择的功能。根据{{​​1}}

从test.arff创建新的测试文件

*我尝试使用

train_fs.arff

但我得到了臭名昭着的java -cp weka.jar weka.filters.unsupervised.attribute.Standardize -b -i train_fs.arff -o train2.arff -r test.arff -s test2.arff 。

是否有任何方法可以根据arff文件（即我的新训练数据，具有少量功能）来标准化/标准化集合。我没有看到如何使用Standardize或StringToWordVector过滤器执行此操作。

Answer 1

批量过滤是解决您问题的一种方法。

优点：

• 当您应用于训练数据集时，它将对您的测试数据集应用相同的过滤器。执行特征选择时，两个数据集将兼容

缺点：

• 只能从命令行界面或Weka的Java API
获得
• 必须同时过滤两个数据集

您可以阅读有关批量过滤here的更多信息。

Answer 2

您可能还想查看InputMappedClassifier。它是一个包装器分类器，用于解决不兼容的培训和测试数据。