Weka中属性合并需求：合并细分医学专业属性以缩减维度

针对你遇到的问题——将包含70余种标签的medical speciality标称属性转换为合并后的二进制属性（比如把Pediatrics-Endocrinology同时标记到Pediatrics和Endocrinology属性），这里有两种实用的解决方案，分别适合GUI可视化操作和自定义脚本处理：

方法一：用Weka内置过滤器快速实现（无需代码） #

这种方法适合不想写脚本的场景，通过两步过滤器完成：

1. 将标称属性转为字符串属性

   • 加载数据集后，在Weka Explorer的Filter面板选择unsupervised.attribute.NominalToString
   • 配置过滤器，选择medical speciality作为目标属性，点击Apply将其转为字符串类型

2. 拆分标签生成二进制属性

   • 接着选择unsupervised.attribute.StringToWordVector过滤器
   • 关键配置：
     • 设置outputWordCounts为False（生成二进制值，1表示存在该标签，0表示不存在）
     • 修改delimiters为- （用连字符和空格作为标签拆分的分隔符，适配你的复合标签格式）
     • 可选：设置wordsToKeep指定只保留你需要的标签（比如Pediatrics,Endocrinology），避免生成多余属性
   • 点击Apply后，数据集会自动生成每个单一标签对应的二进制属性，Pediatrics-Endocrinology这类复合标签会同时在Pediatrics和Endocrinology属性上标记为1

3. 清理多余属性（可选）

   • 如果生成了不需要的标签属性，用unsupervised.attribute.Remove过滤器删除即可，只保留你需要的目标属性

方法二：自定义脚本实现更灵活的控制 #

如果需要更复杂的标签映射规则（比如某些复合标签需要特殊处理），可以用ScriptedFilter编写Groovy脚本：

1. 在Weka Explorer的Filter面板选择unsupervised.attribute.ScriptedFilter
2. 在script配置项中粘贴以下代码（可根据你的目标标签修改）：

// 定义你需要保留的目标标签集合
def targetTags = ["Pediatrics", "Endocrinology"]

// 为每个目标标签添加新的二进制属性
targetTags.each { tag ->
    outputAttributes.addAttribute(new Attribute(tag, [0, 1]))
}

// 遍历每个实例处理标签
for (int i = 0; i < inputInstances.numInstances(); i++) {
    def instance = inputInstances.instance(i)
    def originalTag = instance.stringValue(instance.attribute("medical speciality"))
    
    // 生成新属性的取值
    def binaryValues = []
    targetTags.each { tag ->
        // 判断原标签是否包含目标标签，是则设为1，否则0
        binaryValues.add(originalTag.contains(tag) ? 1.0 : 0.0)
    }
    
    // 构建新实例：保留原属性 + 添加新的二进制属性
    def newInstance = new DenseInstance(instance.numAttributes() + targetTags.size())
    // 复制原属性值
    for (int j = 0; j < instance.numAttributes(); j++) {
        newInstance.setValue(j, instance.value(j))
    }
    // 设置新属性值
    for (int j = 0; j < targetTags.size(); j++) {
        newInstance.setValue(instance.numAttributes() + j, binaryValues[j])
    }
    outputInstances.add(newInstance)
}

3. 点击Apply后，会生成你指定的二进制属性，复合标签会被正确映射到对应的属性上

两种方法都能有效减少爆炸后的属性数量，同时保留你需要的标签关联关系，你可以根据自己的需求选择。

内容的提问来源于stack exchange，提问作者Mari