为何ID3算法无法在Weka中处理UCI Mushroom数据集？如何预处理？

为什么ID3不能直接处理这个数据集？ #

其实Weka里的ID3实现（就是Explorer里能选的那个版本）有个很容易被忽略的限制：它仅支持数值型属性作为输入特征，同时要求类别属性是标称型。而UCI蘑菇数据集的所有属性（包括输入特征和类别）全都是标称型的，这就直接踩中了ID3的运行限制，导致它没法正常启动训练。

顺带提一句：后来的J48（Weka对C4.5算法的实现）已经解决了这个问题，原生支持标称型输入属性，但如果你就是想专门用ID3来做实验，那咱们还是聚焦在预处理的解决方案上。

具体预处理步骤（Weka Explorer可视化操作） #

接下来一步步带你完成预处理，让ID3能正常跑起来：

1. 加载目标数据集 #

打开Weka Explorer，点击Open file选中你的Mushroom.arff文件，确认数据集加载成功后，能在Preprocess标签页的属性列表里看到所有属性都是标称型（Nominal）。

2. 用NominalToBinary转换标称属性 #

ID3需要数值型输入，所以我们要把所有标称型输入特征转成二进制数值属性：

• 在Preprocess标签页的Filter面板，点击Choose按钮，找到并选择 filters.unsupervised.attribute.NominalToBinary
• 点击Apply等待过滤器运行完成。这时候你会看到原来的单个标称属性被拆分成多个二进制（0/1）的数值属性，比如cap-shape会变成cap-shape_bell、cap-shape_conical等，每个子属性对应原属性的一个取值。

3. 确认类别属性保持标称型 #

放心，NominalToBinary默认不会转换类别属性（除非你手动修改过滤器参数），你可以在Attributes列表里确认类别属性（比如class）依然是标称型。如果不小心被转换了，再用filters.unsupervised.attribute.NumericToNominal过滤器转回来就行。

4. 运行ID3算法 #

• 切换到Classify标签页，在Classifier面板的Choose按钮里选择 trees.ID3
• 点击Start，现在ID3应该就能正常完成训练并输出结果了。

额外小贴士 #

如果不想每次都手动重复预处理步骤，你可以把过滤器和分类器组合成一个流程，用Weka的Flow标签页或者命令行批量处理。另外，要是没有特殊的学习需求，其实更推荐用J48代替ID3——它不仅原生支持标称属性，还能处理缺失值、做树剪枝，整体性能比原始ID3好很多。

内容的提问来源于stack exchange，提问作者Ghulam Dastgeer