Weka数据预处理问题：属性既非数值也非标称的修复方法咨询

• 手动排查异常值格式
  直接在Weka Explorer中点击Edit按钮打开数据集，逐列检查目标属性的取值：

  • 排查是否存在混合格式（比如数值里混入字母、符号，如123a、45.6-）
  • 检查是否有不规范的缺失值标识（如NA、NULL而非Weka默认的?）
  • 清理属性值里的多余空格、制表符或乱码，直接修改异常样本或删除无效行

• 强制指定属性类型
  如果Weka自动识别错误，可手动修改ARFF文件的属性定义：

  • 数值型属性：将对应行改为 @attribute 你的属性名 numeric
  • 标称型属性：将对应行改为 @attribute 你的属性名 {值1,值2,值3,...}
    若原数据集是CSV格式，先通过Weka的Tools→ArffViewer打开CSV，另存为ARFF后再修改。

• 标准化缺失值处理
  若缺失值用非?的符号标记，先用ReplaceString过滤器将这些符号替换为?，再用ReplaceMissingValues过滤器填充缺失值（数值型用均值/中位数，标称型用众数）。

• 字符串类属性转换
  如果目标属性是文本字符串（被识别为string类型），用StringToWordVector过滤器将其转换为数值型特征；如果是应归为标称的属性，用NominalToString过滤器转换后重新导入。

• 批量清理格式问题
  用ReplaceString过滤器批量替换属性中的特殊字符、统一格式，比如把所有半角符号转全角，或清理换行符，确保属性取值格式统一后让Weka重新识别类型。

内容的提问来源于stack exchange，提问作者1 1