如何在Weka中替换数据集中的'?'缺失值标记

Weka内置的ReplaceMissingValues过滤器仅识别平台默认的缺失值标记，你数据集中的?目前是作为独立标称值存在的，因此无法被直接识别处理，可通过以下三种方案解决：

方案1：先转?为官方缺失值，再执行标准替换 #

• 打开数据集后进入Preprocess面板，点击Choose选中filters.unsupervised.attribute.NumericCleaner过滤器
• 点击过滤器名称打开参数配置页：
  • attributeIndices填写要处理的列序号，支持范围写法（如2处理第二列，1-5处理前5列，last处理最后一列）
  • valueToReplace填写?
  • replaceWith选择missing
  • 保存参数后点击Apply执行，此时原有的?会被识别为Weka官方认可的缺失值
• 再次选择ReplaceMissingValues过滤器执行，即可按照标称列众数、数值列均值的规则自动替换缺失值

注意：该方案适合需要遵循Weka标准缺失值处理逻辑的场景

方案2：直接替换?为指定标称值 #

如果不需要走标准缺失值替换流程，可直接把?合并为指定的标称值（如Unknown）：

• 在Preprocess面板选中filters.unsupervised.attribute.MergeManyValues过滤器
• 打开参数配置页：
  • attributeIndex指定目标列序号
  • label填写替换后的目标值，如Unknown
  • values填写?
  • 保存参数后点击Apply执行，所有?会直接替换为你设置的目标值

方案3：导入数据集时直接识别?为缺失值 #

如果你的数据源是CSV格式，可在导入阶段就把?标记为缺失值，省去后续处理步骤：

• 点击Open file选中CSV文件后，在弹出的配置窗口中找到naValues参数
• 在原有默认值的基础上添加,?，确保?被纳入缺失值识别规则
• 导入完成后?会直接被识别为缺失值，直接使用ReplaceMissingValues处理即可

内容的提问来源于stack exchange，提问作者Encipher