实例从 csv 到 weka 出错

Question

 .csv
 100387C,254,73,93
 100388D,2047,60,98
 100388D,2736,62,9
 100389E,951,82,90
 100390F,2048,91,98
 100411C,254,50,96
 100412D,047,75,9
 .arff
 @relation test
 @attribute Admno {100387C,100388.0,100389E,100390.0,100411C,100412.0}
 @attribute Code {254,2047,2736,951,2048,254,047}
 @attribute ore numeric
 @attribute tend numeric
  100387C,254,73,93
  100388.0,2047,60,98
  100388.0,2736,62,9
  100389E,951,82,90
  100390.0,2048,91,98
  100411C,254,50,96
  100412.0,047,75,9

如果您在转换后注意到这两个数据之间的差异是在 Admno @attribute从 D 到 .0。我使用的文件转换如下。所以我想知道转换出了什么问题。谢谢

    CSVLoader loader = new CSVLoader();
    loader.setSource(new File("C:\test.csv"));
    Instances data = loader.getDataSet();
    ArffSaver saver = new ArffSaver();
    saver.setInstances(data);
    saver.setFile(new File("C:\test.arff"));
    saver.writeBatch();

Answer 1

你得到100388D 100388.0和100390F 100390.0的原因是因为这些值分别以 D 和 F 结尾。在Java中，这意味着值是Double 和Float(D代表Double，F代表Float(。这就是为什么当 Weka 将它们转换为标称值时，它认为这些值应该是 双精度 或浮点数 因此是.0而不是 D 和 F .

您可以在此处找到讨论，并在此处找到相关文档。

据我所知，没有直接的方法可以在Weka中克服这个问题。但是，如果这是一个ID并且不参与分类或聚类分析，则在基于此数据构建模型并将其应用于测试数据时，可以忽略此属性。

解决此问题的另一种方法是将此属性的值更改为一些不以 D 或 F 结尾的值。