如何在Weka中移除信息增益属性选择后数据集的指定列

嘿，我看你已经用Weka的信息增益完成了属性排序，接下来要砍掉那些没价值的列、留下有用的属性对吧？我来帮你把代码补全，顺便讲讲两种实用的实现方式，按需选就行～

这是最省心的方式，直接用Ranker指定要保留的属性数量，Weka会自动帮你生成筛选后的数据集：

import weka.core.Instances;
import weka.attributeSelection.InfoGainAttributeEval;
import weka.attributeSelection.Ranker;
import weka.attributeSelection.AttributeSelection;
import java.io.FileReader;
import java.io.BufferedReader;

public class InfoGainAttributeFilter {
    public static void main(String[] args) throws Exception {
        // 加载ARFF数据集
        Instances data = new Instances(new BufferedReader(new FileReader("iris.arff")));
        // 必须指定类别属性（通常是最后一列，索引从0开始）
        data.setClassIndex(data.numAttributes() - 1);

        // 初始化信息增益评估器和排名搜索器
        InfoGainAttributeEval eval = new InfoGainAttributeEval();
        Ranker search = new Ranker();
        // 设置要保留的属性数量，比如这里保留前3个最有价值的
        search.setNumToSelect(3);

        // 执行属性选择操作
        AttributeSelection attSel = new AttributeSelection();
        attSel.setEvaluator(eval);
        attSel.setSearch(search);
        attSel.SelectAttributes(data);

        // 生成只保留高价值属性的新数据集
        Instances filteredData = attSel.reduceDimensionality(data);

        // 验证结果
        System.out.println("原始属性数: " + data.numAttributes());
        System.out.println("筛选后属性数: " + filteredData.numAttributes());
        System.out.println("\n筛选后的数据集:\n" + filteredData);
    }
}

关键步骤说明 #

• 指定类别属性：Weka需要明确知道哪一列是预测目标，所以用setClassIndex把最后一列设为类别列，要是你的类别列在其他位置，改索引就行。
• 配置Ranker：setNumToSelect(3)就是告诉Weka只留信息增益排名前三的属性，你可以根据自己的需求调整这个数字。
• 一键生成新数据集：reduceDimensionality(data)方法会自动帮你删除冗余属性，不用手动操作列的删除。

要是你不想单纯保留前N个，而是想结合业务需求挑选特定属性（比如跳过某个排名高但业务上没用的），可以用手动筛选的方式：

import weka.core.Instances;
import weka.attributeSelection.InfoGainAttributeEval;
import weka.attributeSelection.Ranker;
import weka.attributeSelection.AttributeSelection;
import java.io.FileReader;
import java.io.BufferedReader;
import java.util.Arrays;

public class CustomAttributeFilter {
    public static void main(String[] args) throws Exception {
        Instances data = new Instances(new BufferedReader(new FileReader("iris.arff")));
        data.setClassIndex(data.numAttributes() - 1);

        InfoGainAttributeEval eval = new InfoGainAttributeEval();
        Ranker search = new Ranker();
        // 这里先获取所有属性的排名，不限制数量
        search.setNumToSelect(-1);

        AttributeSelection attSel = new AttributeSelection();
        attSel.setEvaluator(eval);
        attSel.setSearch(search);
        attSel.SelectAttributes(data);

        // 获取按信息增益从高到低排序的属性索引数组
        int[] rankedIndices = attSel.selectedAttributes();
        System.out.println("属性排名（索引从高到低）: " + Arrays.toString(rankedIndices));

        // 手动选择要保留的属性，比如选第0和第2个索引的属性
        int[] keepIndices = {rankedIndices[0], rankedIndices[2]};
        // 别忘了把类别属性加进去（如果它不在已选列表里）
        int classIndex = data.classIndex();
        boolean classIsKept = Arrays.stream(keepIndices).anyMatch(idx -> idx == classIndex);
        if (!classIsKept) {
            int[] updatedKeepIndices = new int[keepIndices.length + 1];
            System.arraycopy(keepIndices, 0, updatedKeepIndices, 0, keepIndices.length);
            updatedKeepIndices[keepIndices.length] = classIndex;
            keepIndices = updatedKeepIndices;
        }

        // 生成新数据集，删除不需要的属性
        Instances filteredData = new Instances(data, 0);
        // 倒序删除，避免索引混乱
        for (int i = filteredData.numAttributes() - 1; i >= 0; i--) {
            boolean shouldKeep = Arrays.stream(keepIndices).anyMatch(idx -> idx == i);
            if (!shouldKeep) {
                filteredData.deleteAttributeAt(i);
            }
        }

        // 输出结果
        System.out.println("\n自定义筛选后的数据集:\n" + filteredData);
    }
}

额外小技巧 #

要是你想先看看每个属性的具体信息增益值再做决定，可以加这段代码：

// 打印每个属性的信息增益值
double[] gainValues = eval.evaluateAttributes(data);
for (int i = 0; i < gainValues.length; i++) {
    System.out.println("属性 [" + data.attribute(i).name() + "] 的信息增益: " + gainValues[i]);
}

这样就能清楚看到每个属性的价值，再决定留哪些～

内容的提问来源于stack exchange，提问作者Saeide