在Weka中，我如何阻止CfsSubsetEval对训练实例进行离散化？

Question

我正在尝试编写一个java程序，它在Weka中调用CfsSubsetEval类来执行特性子集选择。CfsSubsetEval对数据集进行离散化，我试图避免这种情况，因为数据集已经被离散化了。下面是执行离散化的CfsSubsetEval.java中的行。

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class属性是在arff文件中定义的，如下所示：

@ATTRIBUTE class {true,false}

该属性不是数字属性，因此将执行离散化。

虽然我对Weka实现有一点了解，但我试图注释掉这些行，以跳过离散化。但是，它不起作用，并报告了以下例外情况：

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，使其不对数据集进行离散化？

我们对你的帮助深表感谢。

Answer 1

对称不确定性是一种基于熵的度量，它适用于名义属性。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被离散化了--它们实际上是整数值属性，编码为Weka类型数字吗？如果是这样，那么您应该使用weka.filters.unsupervised.attribute.NumericToNominal.对数据进行预处理。这将为您提供一个名义属性，其中包含与数据中该属性的不同值相对应的标签列表。这样做后，CFS中的离散化过程将保持属性不变。

干杯马克。