Weka中Discretize与NumericToNominal过滤器区别及选型方法

你已经在ARFF文件中为gender、education_level、martial_status、True_or_false明确标注了标称（nominal）数据类型，同时完成了标称值的语义映射，正常导入Weka后这些属性会被直接识别为标称型，既不需要用Discretize，也不需要用NumericToNominal过滤器。
只有当属性被Weka错误识别为数值型时，才需要根据场景选择对应过滤器。

两个过滤器的处理对象都是Weka中识别为numeric类型的属性，核心区别在于处理逻辑和适用场景完全不同：

• Discretize（离散化过滤器）
  核心逻辑是对连续数值做分箱处理：按照等宽、等频或者手动指定的分界点，把连续的数值区间切分成若干个离散段，每个分段对应一个标称值，最终输出标称型属性。
  它的本质是连续值的离散化加工，不是单纯的类型转换，会对取值做合并。比如把连续的收入字段切分为「低收入/中收入/高收入」3个分段就用这个过滤器。如果把数值编码的标称属性（比如用1/2编码的性别）错用这个过滤器处理，会把相邻编码值误合并到同一个分箱，直接破坏原有数据语义。
• NumericToNominal（数值转标称过滤器）
  核心逻辑是做无修改的类型转换：不会对数值做任何分箱、合并操作，直接把属性中出现的每一个独立数值映射为一个独立的标称值，完全保留原有取值的对应关系。
  它的本质是纯类型标记转换，不改动原始取值。比如你把用1/2/3编码的学历字段误存成了数值型，用这个过滤器处理后，1/2/3会直接变成三个独立的标称值，不会破坏原有编码和实际含义的映射关系。

如果导入ARFF后发现上述标称属性被识别为数值型，优先检查ARFF文件头的属性定义段，确认这些字段的类型是不是被误写为numeric，直接修正ARFF定义比用过滤器转换更稳妥。如果暂时不修改ARFF文件，选择NumericToNominal处理这些字段即可，禁止使用Discretize，否则会导致标称值被错误合并。

内容的提问来源于stack exchange，提问作者Gospel77