Weka学习2-数据预处理

Weka学习2-数据预处理

数据预处理是所有数据挖掘算法的前提基础。拿到一个数据源，不太可能直接用于数据挖掘算法。

为了既不破坏业务数据的数据结构，又能为数据挖掘算法所使用，就需要进行数据预处理的过程，将数据源进行一定的处理，得到数据挖掘算法的输入数据。

在上一篇，讲到数据加载。

加载数据后，就进入数据预（preprocess）处理页面，个部分使用说明如下

（1）     Filter（过滤器）

提供了多种数据筛选方式。

以离散化为例，简要说明该过程

点击“choose”按钮，出现过滤器结构树。选择“unsupervised”-“Discretize”即可

选中后，点击右边的Discretize区域，出现选择框，对参数进行设置。

attributeIndices:选择数据源的某几个属性进行离散化。比如1,2。或者first-last

bins:对离散化的区间数量进行规定

点击“apply”按钮，开始离散化。

（2）Attributes（属性）

可以查看某一个具体属性的内容

点击下面的“Remove”按钮，可对属性进行删除。

选中某一个属性，在右边的selectedattribute一栏可以查看其说明。包括类型，数据内容等

离散化前数据类型是数值型（numeric），离散化操作后的属性就变成了分类型（nominal）。

（3）保存

点击上方的“save”按钮，即可将预处理的结果保存为arff文件。这是weka分析数据的输入格式。