测试数据集的离散化

Question

我正在使用Weka的API对一些数据进行分类。我使用BayesNet算法，因此需要对数据集中的数值进行离散化。我读到，在离散化测试数据集时，我需要使用训练数据集作为输入格式，以便离散化的训练数据集和测试数据集是兼容的(https://weka.wikispaces.com/Discretizing+datasets)。我已经使用了过滤器：

weka.filters.supervised.attribute.Discretize.

这是我的测试数据集离散化代码：

private Instances filterData(Instances testData) {      
    int[] discIndices = {0,2,5,6}; //indices of numeric attributes

    Discretize discFilter = new Discretize();       

    try {           
        discFilter.setAttributeIndicesArray(discIndices);
        discFilter.setInputFormat(trainingData); // notice that the traning data is used as input format

        return Filter.useFilter(testData, discFilter);
    } catch (Exception e) {
        e.printStackTrace();
        return null;
    }
}

当我使用相同的arff文件进行训练和测试时，一切工作正常。但当然，我想使用来自不同(测试) arff文件的测试数据(有时只有一个实例).The问题是，当我使用不同的测试arff文件时，字典不再起作用。例如，我有一个数值属性，当我离散化训练数据时，它会得到6个间隔，而当我离散化测试数据时，它只会得到1个间隔，这当然会使训练数据和测试数据不兼容。有人知道为什么会这样吗？我真的认为，当我使用训练数据作为离散化过滤器的输入格式时，当离散化测试数据时，过滤器将创建与离散化训练数据相同的间隔。

Answer 1

我发现应该使用以下代码对单个测试实例进行离散化：

discFilter.input(instance);
Instance filteredInstance = discFilter.output();