Question

使用python-weka-wrapper v0.3.10存在数据预处理问题，这让我感到困惑了几天。

我使用 create_instances_from_matrices（）从ndarray生成我的数据集到实例，这是数字类型。

然后通过

将数据集保存到arff文件（ numeric_data.arff ）

Saver(classname="weka.core.converters.ArffSaver")

然后尝试使用

将我的数据集转换为名义类型

Filter(classname="weka.filters.unsupervised.attribute.NumericToNominal", options=["-R", "first-last"])

异常消息输出如：

线程中的异常＆＃34;线程0＆＃34; java.lang.IllegalArgumentException：A 名义属性（x2）不能有重复的标签（1）。

但是，使用我生成的相同数据集（ numeric_data.arff ），可以通过Weka GUI Explorer v3.8.1成功转换为名义类型。

我很感激，任何想法都可以提供帮助。

谢谢！

Answer 1

问题很可能是你有小的值（＆lt; 10 ^ 6），Weka在保存时都变为0.0（Weka默认只输出小数点后的6位数）。如果在保存之前将过滤器应用于数据集，它应该可以正常工作。

或者，您可以告诉ArffSaver保存文件时要使用的小数位数（-decimal选项）。另请参阅ArffSaver类的Javadoc。

Answer 2

（摘自邮件列表中的discussion，正确回答此问题）

NumericToNominal 过滤器是一个非常愚蠢的过滤器。它的唯一目的是有一种简单的方法来转换应该是分类的数值（例如，1.0,2.0到标签1和2）。将数字转换为标签时，它会在6位小数后关闭小数。但是，它没有检查是否会导致生成重复标签。例如，2.00000001和2.0都将生成2（或2.0）作为标签。

您可以使用 NumericCleaner 过滤器删除这些尾随小数，例如：

# round to specified number of decimals
decimals = 3
cleaner = Filter(classname="weka.filters.unsupervised.attribute.NumericCleaner", options=["-R", "first-last", "-decimals", str(decimals)])
cleaner.inputformat(data)
data = cleaner.filter(data)

通过python-weka-wrapper v0.3.10将数据从Numeric转换为Nominal时出现重复标签的异常

2 个答案: