weka中的数据预处理——标准化(standardize)和规范化(Nomalize)_控控控-上ke控_新浪博客...

在weka中数据预处理包括：数据的缺失值处理、标准化、规范化和离散化处理。

1.数据的缺失值处理 ： weka.filters.unsupervised.attribute.ReplaceMissingValues。 对于数值属性，用平均值代替缺失值，对于nominal属性，用它的mode(出现最多的值)来代替缺失值。

2.标准化(standardize)：

类weka.filters.unsupervised.attribute.Standardize。标准化给定数据集中所有数值属性的值到一个0均值和单位方差的正态分布。

3.规范化(Nomalize):

类weka.filters.unsupervised.attribute.Normalize。规范化给定数据集中的所有数值属性值，类属性除外。结果值默认在区间[0,1]，但是利用缩放和平移参数，我们能将数值属性值规范到任何区间。如：但scale=2.0，translation=-1.0时，你能将属性值规范到区间[-1,+1]。

4.离散化(discretize):

类weka.filters.supervised.attribute.Discretize和weka.filters.unsupervised.attribute.Discretize。分别进行监督和无监督的数值属性的离散化，用来离散数据集中的一些数值属性到分类属性。

更详细参照：http://www.cfanz.cn/?c=article&a=read&id=4193