Weka 离散化属性，其中一个值是迄今为止最常见的
Weka discretising attribute where one value is most common by far
我有一个数据集，其中 'number of days since last contact' 有一个数字属性，但值 -1 用于表示没有最后一次联系。这是迄今为止该属性的最大值。
我的想法是离散化这个属性，但是我怎样才能确保有一个'no contact'/-1 bin？
另外，这是解决这个问题的正确方法吗？
正确的方法应该是
- 将数据拆分为 -1 和其他所有内容
- 仅将分箱应用于 'everything else' 集中的值
- 再次连接数据集（洗牌也可能很好）
如果其他人有这个问题但找不到答案，这里是我根据 Anony-Mousse 的方法做的。 MathExpression 的过滤器文档提供了一个很好的拆分成任意 bin 的示例。
- 使用 MathExpression 过滤器拆分，例如ifelse(A>0, 2, 1) 分成两个箱子：高于和低于 0。我使用 ifelse(A>0, ifelse(A>400, 21, ceil(A/20)+1), 1 ) 对我的 -1 和 >400 值进行分类，并将介于两者之间的值置于宽度为 20 的分类中。
- 使用 numericToNominal 转换
我有一个数据集，其中 'number of days since last contact' 有一个数字属性，但值 -1 用于表示没有最后一次联系。这是迄今为止该属性的最大值。
我的想法是离散化这个属性，但是我怎样才能确保有一个'no contact'/-1 bin？
另外，这是解决这个问题的正确方法吗？
正确的方法应该是
- 将数据拆分为 -1 和其他所有内容
- 仅将分箱应用于 'everything else' 集中的值
- 再次连接数据集（洗牌也可能很好）
如果其他人有这个问题但找不到答案，这里是我根据 Anony-Mousse 的方法做的。 MathExpression 的过滤器文档提供了一个很好的拆分成任意 bin 的示例。
- 使用 MathExpression 过滤器拆分，例如ifelse(A>0, 2, 1) 分成两个箱子：高于和低于 0。我使用 ifelse(A>0, ifelse(A>400, 21, ceil(A/20)+1), 1 ) 对我的 -1 和 >400 值进行分类，并将介于两者之间的值置于宽度为 20 的分类中。
- 使用 numericToNominal 转换