0

我正在尝试编写一个 java 程序，它在 Weka 中调用 CfsSubsetEval 类来执行特征子集选择。CfsSubsetEval 离散化数据集，我试图避免这种情况，因为数据集已经离散化。以下是 CfsSubsetEval.java 中执行离散化的行。

m_isNumeric = m_trainInstances.attribute(m_classIndex).isNumeric();

if (!m_isNumeric)
{
    m_disTransform = new Discretize();
    m_disTransform.setUseBetterEncoding(true);
    m_disTransform.setInputFormat(m_trainInstances);
    m_trainInstances = Filter.useFilter(m_trainInstances, m_disTransform);
}

由于类属性在arff文件中定义如下：

@ATTRIBUTE class {true,false}

该属性不是数字的，因此执行离散化。

虽然我对 Weka 的实现有一点了解，但我尝试注释掉这些行以跳过离散化。但是，它不起作用，并报告了以下异常：

java.lang.ArrayIndexOutOfBoundsException: 1
at weka.attributeSelection.CfsSubsetEval.symmUncertCorr(CfsSubsetEval.java:515)
at weka.attributeSelection.CfsSubsetEval.correlate(CfsSubsetEval.java:445)
at weka.attributeSelection.CfsSubsetEval.evaluateSubset(CfsSubsetEval.java:392)
at weka.attributeSelection.BestFirst.search(BestFirst.java:806)
at weka.attributeSelection.AttributeSelection.SelectAttributes(AttributeSelection.java:606)
at selecting_features.runFeatureSelection.main(runFeatureSelection.java:39)

问题是：如何更改 CfsSubsetEval.java 使其不离散数据集？

非常感谢您的帮助。

4

1 回答 1

2

对称不确定性是一种基于熵的度量，适用于名义属性。weka.filters.supervised.attribute.Discretize 不会改变任何名义属性。您说您的输入属性已经离散化-它们实际上是编码为 Weka 类型数字的整数值属性吗？如果是这样，那么您应该使用 weka.filters.unsupervised.attribute.NumericToNominal 预处理数据。这将为您提供一个标称属性，其中包含与数据中该属性的不同值相对应的标签列表。完成此操作后，CFS 中的离散化过程将保持您的属性不变。

干杯，马克。

于 2014-11-05T08:30:19.577 回答