weka进行数据预处理

装入数据

打开weka，点击进入explorer界面，在preprocesstag下，点击open file 按钮装入ARFF数据文件。

Weka同时也具有读入“.csv”格式文件的能力，在做数据挖掘中，很多时候数据是存储在excel的电子表格中，打开Excel文件，从File（文件）下拉菜单下选择Save As（另存为），在弹出的对话框中，最下边会有Save As type（保存为）选项，下拉列表中选择CSV文件，给文件命名，点击保存就可以了，这样就可以直接在weka当中打开.csv文件了。

同样在weka中打开，csv文件之后，也可以saveas（另存为），保存该文件为arff数据文件类型

选择或者过滤属性

删除属性

在对数据进行预处理的过程中很多时候，需要删除某一些不要的属性（attribute），在Attributes panel（学过javaswing的会知道panel指代的是哪部分组件）中操作就可以了，勾选属性前面的对号，然后点击remove按钮：

离散化

有些技术，如关联规则挖掘，只能在分类数据上进行，这就要求在数值或连续属性上进行离散化。

在我们打开的weather.arff数据中，temperature一个连续属性，下面我们就进行一次具体的操作，点击filter（过滤器）panel的choose按钮，会出现下图：

选择weka.filter.unsupervised.attribute.Descretize,之后在choose按钮后面的文本框中出现Discretize–B 10-M -1.0 –R first-last这样的内容，点击该文本框会出现DiscretizeFilter对话框：

        

在attributeIndices文本框中，我们填写temperature对应的属性编号2，在bins文本框中，我们输入3作为箱数，也就是分为3个范围，我们进行简单的分箱，所以其他不管，点击ok按钮：

这时候回到explorer界面，我们点击Filterpanel中的Apply（应用）按钮，在Attribute panel下，选中temperature属性，观察右侧窗口：

观察发现temperature属性，被分为3个范围，变成离散的变量，这时候如果点击save as选项，保存arff数据文件，在文本编辑器中打开，就会发现temperature属性在@data下每一行的instance中，都会被修改成如上图区间显示（-inf-71]，[71-78]，[78-inf）:

当然这样的数据文件是标记尽管可读，但是与命名习惯还是相去甚远，因此我们可以在自己的文件编辑器中ctrl+F，查找替换掉3个区间，分别命名这三个区间为hot mild cool。

同样的操作我们去修改，humidity属性，但是这里的简单分箱，就按照我的划分选择为2了，这一切的操作结束，然后替换之后，最终的weather.arff会变成这个样子,如下图:

这样，也就是得到weka安装一级目录下data文件下的weather.nominal.arff文件。