machine-learning - WEKA 如何处理名义属性与数字属性？

Question

如果我在数据集中的一列只有 3 个可能的值，即 0、1 和 2，那么如果我将它们声明为标称值与数字值，WEKA 对它们的处理方式有何不同？

另外，如果我有一列的属性有大量名义值，是否有一种简单的方法来声明这个具有非常高序值的名义属性？

Answer 1

粗略地说（这取决于实际的算法）：

当被视为numeric时，1 到 2 和 1 到 3 的差异大约会是原来的两倍。（假设没有其他属性）。

当被视为字符串时，它们可能同样不同，如 '1' != '2' 和 '1' != '3'。（但是，例如，结果可能取决于数字的频率；分类数据的常见差异度量涉及相对频率）

Answer 2

如何处理数值和分类值取决于您使用的 Weka 中的实际机器学习算法。有些不能同时处理这两类属性，如果您选择了具有错误属性类型的算法，Weka 会告诉您。

一般来说，您应该将属性声明为它们的真实属性，即如果一个值是数字，即使只有几个不同的实际值，也要将其声明为数字。同样，如果属性是分类的，即使有许多不同的值，也要声明它。

关于你的最后一个问题，我不认为 Weka 区分类别值与少数和许多不同的实际值。它应该与其他所有内容相同。