通过 python-weka-wrapper v0.3.10 将数据从数字转换为标称时出现重复标签的异常

Question

使用 python-weka-wrapper v0.3.10 存在数据预处理问题，这让我困惑了几天。

我正在使用 create_instances_from_matrices() 生成从 ndarray 到实例的数据集，它是数字类型。

然后通过

将数据集保存到一个arff文件(numeric_data.arff)

Saver(classname="weka.core.converters.ArffSaver")

然后尝试使用

将我的数据集转换为名义类型

Filter(classname="weka.filters.unsupervised.attribute.NumericToNominal", options=["-R", "first-last"])

异常消息输出如下：

线程“Thread-0”中的异常 java.lang.IllegalArgumentException: A 名义属性 (x2) 不能有重复的标签 (1)。

但是，使用我生成的相同数据集(numeric_data.arff)，它可以通过 Weka GUI Explorer v3.8.1 成功转换为名义类型。

如有任何想法可以提供帮助，我将不胜感激。

谢谢！

Answer 1

（摘自邮件列表上的discussion，正确回答这个问题）

NumericToNominal 过滤器是一个非常愚蠢的过滤器。它的唯一目的是提供一种简单的方法来转换应该是分类值的数值（例如，1.0、2.0 到标签 1 和 2）。将数字转换为标签时，它会在小数点后 6 位后去掉小数点。但是，它没有检查这是否会导致生成重复标签。例如，2.00000001 和 2.0 都会生成 2（或 2.0）作为标签。

您可以使用 NumericCleaner 过滤器来删除这些尾随小数，例如：

# round to specified number of decimals
decimals = 3
cleaner = Filter(classname="weka.filters.unsupervised.attribute.NumericCleaner", options=["-R", "first-last", "-decimals", str(decimals)])
cleaner.inputformat(data)
data = cleaner.filter(data)

Answer 2

问题很可能是你的值很小（

或者，您可以告诉ArffSaver 在保存文件时要使用多少个小数（-decimal 选项）。另请参阅 ArffSaver 类的 Javadoc。