Weka规范化列

Question

我有一个包含14个数字列的ARFF文件。我想分别对每个列执行规范化，即将每个列的值修改为（actual_value - min(this_column)) / (max(this_column) - min(this_column)）。因此，列中的所有值都将在[0, 1]范围内。列的最小值和最大值可能与另一列的最小值和最大值不同。

如何使用Weka过滤器执行此操作？

由于

Answer 1

这可以使用

完成

weka.filters.unsupervised.attribute.Normalize

应用此过滤器后，每列中的所有值都将在[0,1]

范围内

Answer 2

没错。只是想提醒一下“规范化”和“标准化”的区别。问题中提到的是“标准化”，而“标准化”假定高斯分布并按均值归一化，并且每个属性的标准变化。如果数据中有异常值，则标准化过滤器可能会损害您的数据分布，因为min或max可能比其他实例远得多。

Answer 3

以下是JAVA中K-Means的工作规范化示例。

final SimpleKMeans kmeans = new SimpleKMeans();

final String[] options = weka.core.Utils
        .splitOptions("-init 0 -max-candidates 100 -periodic-pruning 10000 -min-density 2.0 -t1 -1.25 -t2 -1.0 -N 10 -A \"weka.core.EuclideanDistance -R first-last\" -I 500 -num-slots 1 -S 50");
kmeans.setOptions(options);

kmeans.setSeed(10);
kmeans.setPreserveInstancesOrder(true);
kmeans.setNumClusters(25);
kmeans.setMaxIterations(1000);

final BufferedReader datafile = new BufferedReader(new FileReader("/Users/data.arff");
Instances data = new Instances(datafile);

//normalize
final Normalize normalizeFilter = new Normalize();
normalizeFilter.setInputFormat(data);
data = Filter.useFilter(data, normalizeFilter);

//remove class column[0] from cluster
data.setClassIndex(0);
final Remove removeFilter = new Remove();
removeFilter.setAttributeIndices("" + (data.classIndex() + 1));
removeFilter.setInputFormat(data);
data = Filter.useFilter(data, removeFilter);

kmeans.buildClusterer(data);

System.out.println(kmeans.toString());

// evaluate clusterer
final ClusterEvaluation eval = new ClusterEvaluation();
eval.setClusterer(kmeans);
eval.evaluateClusterer(data);
System.out.println(eval.clusterResultsToString());

如果你有CSV文件，那么用上面提到的数据源替换上面的BufferedReader行：

final DataSource source = new DataSource("/Users/data.csv");
final Instances data = source.getDataSet();

Answer 4

在这种情况下，我们可以使用 weka.filters.unsupervised.attribute.Normalize 过滤器进行规范化，但如果我们只想规范化某些列，以下将是最佳方法。

对选定的列应用标准化

unsupervised.attribute.PartitionedMultiFilter 可用于此任务。
因此，您必须根据需要配置 filters 和 ranges 部分。
例如：如果我只想对湿度属性进行标准化

第 1 步：
添加 ParririonedMultiFilter 后 -> 点击过滤器文本框 -> 从 weka.filters.unsupervised.attribute.Normalize 中选择 Normalize -> 并根据需要编辑 Normalize 过滤器（通过提供比例和平移值）

第 2 步：
点击范围文本框 -> 删除默认过滤器（首尾） -> 然后添加要过滤的列号 -> 单击确定 -> 单击应用


现在过滤器将只添加到选定的（湿度）列。