WEKA中整数属性（如卧室数）处理及SMOTE后数值修正问题

问题本质 #

SMOTE生成的合成实例会出现像卧室数3.5这种不符合业务逻辑的非整数值，这类属性属于只能取整数的离散数值型，根本不需要做传统分箱离散化，核心是把非整数强制转为合法整数，同时保留属性语义。

具体处理方案 #

1. 最优方案：用数值取整过滤器 #

直接对目标属性做取整处理，比离散化更贴合需求，推荐用NumericCleaner过滤器，配置如下：

weka.filters.unsupervised.attribute.NumericCleaner
transformer = weka.filters.unsupervised.attribute.numericcleaner.Round
roundDigits = 0

这个配置会把所有非整数四舍五入为整数，完美解决卧室数这类必须为整数的属性问题。

2. 特殊场景下的离散化选择 #

如果因为后续算法要求必须把属性转成标称型，再考虑离散化：

• 无监督离散化：针对卧室数这类固定整数范围的属性，手动设置bins为属性的可能整数值数量（比如卧室数最多5个就设为5），关闭自动找分箱数的findNumBins，确保每个整数对应一个分箱。配置示例：

weka.filters.unsupervised.attribute.Discretize
binRangePrecision = 0
bins = 5
findNumBins = False

• 监督离散化：只有当属性的整数取值和类别标签强相关时才用（比如某类样本集中在2、3卧室，另一类在4、5卧室），这种情况下监督离散化的分箱更贴合分类任务，但卧室数这类属性通常没必要用，反而会破坏原始语义。

3. 直接弃用NumericToNominal #

这个过滤器会把每个不同数值（包括3.5这种不合理值）都转成一个标称值，反而引入无效类别，完全不符合需求，别用。

推荐处理流程 #

1. 先运行SMOTE生成合成实例；
2. 对需要限制为整数的属性，应用NumericCleaner过滤器取整；
3. 再执行后续分类任务。

内容的提问来源于stack exchange，提问作者csprod