weka二值化arff文件数据.docVIP

其中第二个方法有个bug，具体出现bug的情况可以看看下面的帖子：/forum.php?mod=viewthreadtid=731extra=数据文件：weka包中data的weather.arff文件作为数据测试文件代码实现：package com.rich.uni.csuft.partAttrConcept;import weka.core.Instances;import weka.core.SingleIndex;import weka.core.converters.ArffSaver;import weka.core.converters.ConverterUtils.DataSource;import weka.filters.unsupervised.attribute.MergeTwoValues;import java.io.File;import java.util.Enumeration;/** * Generates binary ARFF files out of a nominal one, i.e., it takes the input * ARFF file and creates for all attribute values, files that contain the * value and not_value as values then. E.g., in case of the weather data in * generates three files for the outlook attribute: - weather_sunny.arff : * sunny, not_sunny - weather_overcast.arff: overcast, not_overcast - * weather_rainy.arff : rainy, not_rainy * * * * */public class Binarize { /** * takes 2 arguments: - the input ARFF file - the attribute index (starting * with 1) */ public static void main(String[] args) throws Exception { Binarize bina = new Binarize();// bina.specialAttributeAllValue2Binarize(); bina.allAttrBinarizeAccordingFirstAttrValue(); } /* * @对所有离散型属性进行二值化，二值化依据属性离散值项的第一项值 * * 核心思想： * 找出所有离散型属性，判断该属性离散值项个数有没有超过2；超过2的进行二值化，否则不用二值化。 * 所有进行二值化的属性，它都依据该属性离散值项中的第一项为标准，其他的都是non+第一项 * 核心算法与下面同理 * * bug: 二值化对象arff文件最后一个属性满足二值化条件，程序会报错，因为最后一个属性值的属性不能修改。 * */ public void allAttrBinarizeAccordingFirstAttrValue() throws Exception{ String curVal; String first; String second; MergeTwoValues merge; Instances input = DataSource.read(E:/wekadata/testdata/test2.arff); input.setClassIndex(input.numAttributes()-1); Instances output = new Instances(input); int attrNum = output.numAttributes(); for(int i=0;iattrNum;i++){ int numVal = input.attribute(i).numValues(); if(input.attribute(i).isNominal() numVal2){//处理属性为离散值类型，且离散值项个数大于2的属性 //该属性第一个离散值 String firstVal = input.attribute(i).value(0); for(int k=output.attribute(i).numValues()-1;k1;