通过python weka包装器v0.3.10将数据从数字转换为标称时出现重复标签异常

使用PythonWeka包装器v0.3.10存在一个数据预处理问题，这让我困惑了好几天

我正在使用从矩阵创建实例（）从数据阵列到实例生成数据集，这是一种数值类型

然后通过将数据集保存到arff文件（numeric_data.arff）中

然后尝试使用将我的数据集转换为标称类型

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

异常消息输出如下所示：

线程“thread-0”java.lang.IllegalArgumentException中的异常：A 标称属性（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），可以通过Weka GUI Explorer v3.8.1成功地将其转换为标称类型

如果有任何想法能帮上忙，我将不胜感激

---

谢谢

问题很可能是您的值很小（<10^6），保存时Weka都会将其变为0.0（默认情况下，Weka只输出小数点后的6位数字）。如果在保存数据集之前将过滤器应用于该数据集，则该过滤器应能正常工作

或者，您可以告诉

ArffSaver

保存文件时要使用的小数位数（

-decimal

选项）。另请参阅该类的Javadoc。

（摘自邮件列表，以正确回答此问题）

数字滤波器是一个非常哑的滤波器。它的唯一目的是提供一种简单的方法，将假定为分类值的数值（例如，1.0、2.0）转换为标签1和2。当把数字转换成标签时，它会在6位小数后去掉小数。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都将生成2（或2.0）作为标签

您可以使用NumericCleaner筛选器删除这些尾随小数，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)

---

我尝试过，但仍然失败，没有保存到arff文件。而且，这些重复标签的值都是1（整数），而不是小值。

# 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)