如何在 weka 中使用不同的缩放方法答案

【问题标题】：How to use different scaling approaches in weka如何在 weka 中使用不同的缩放方法
【发布时间】：2014-01-21 03:32:50
【问题描述】：

我在 weka 中使用 logistic regression 和我的数据。现在我想尝试不同的缩放方法来改进我的结果，例如最小/最大、零均值/单位、方差、长度等。

weka 中是否有使用缩放的选项？

【问题讨论】：

标签： java machine-learning statistics weka logistic-regression

【解决方案1】：

Weka 包含用于数据预处理的方法：

weka.filters.unsupervised.attribute.Normalize
weka.filters.unsupervised.attribute.Standardize

在 Java 中：

Instances train_data = ...   
Instances test_data = ...    
Standardize filter = new Standardize();
filter.setInputFormat(train_data);  
Instances normalizedTrain_data = Filter.useFilter(train_data, filter);  
Instances normalizedTest_data = Filter.useFilter(test_data, filter);

在 Weka Explorer 中，在“过滤器”下选择“标准化”过滤器并将其应用于所有属性。查看此tutorial 了解更多详情。

【讨论】：

顺便说一句，最后一个问题，标准化过滤器在 weka 中做了什么。还有最小/最大过滤器吗？
@user2051347 我认为 Normliaze 过滤器是最小/最大过滤器，而标准化是消除平均值然后除以标准。谢谢