Weka使用之属性选择
转自：http://anna-zr.iteye.com/blog/578943
http://blog.sina.com.cn/s/blog_591e979d0100kds0.html
在这一节我们看看属性选择。在数据挖掘的研究中，通常要通过距离来计算样本之间的距离，而样本距离是通过属性值来计算的。我们知道对于不同的属性，它们在样本空间的权重是不一样的，即它们与类别的关联度是不同的，因此有必要筛选一些属性或者对各个属性赋一定的权重。这样属性选择的方法就应运而生了。
在属性选择方面InfoGain和GainRatio的比较常见，也是最通俗易懂的方法。它们与Decision Tree的构造原理比较相似，哪个节点拥有的信息量就为哪个节点赋较高的权重。其它的还有根据关联度的办法来进行属性选择（Correlation-based Feature Subset Selection for Machine Learning）。具体它的工作原理大家可以在网上看论文。
现在我将简单的属性选择实例给大家展示一下：
package com.csdn;import java.io.File;import weka.attributeSelection.InfoGainAttributeEval;import weka.attributeSelection.Ranker;import weka.classifiers.Classifier;import weka.core.Instances;import weka.core.converters.ArffLoader;public class SimpleAttributeSelection { public static void main(String[] args) { // TODO Auto-generated method stub Instances trainIns = null; try{ File file= new File("C:\\Program Files\\Weka-3-6\\data\\segment-challenge.arff"); ArffLoader loader = new ArffLoader(); loader.setFile(file); trainIns = loader.getDataSet(); //在使用样本之前一定要首先设置instances的classIndex，否则在使用instances对象是会抛出异常 trainIns.setClassIndex(trainIns.numAttributes()-1); Ranker rank = new Ranker(); InfoGainAttributeEval eval = new InfoGainAttributeeval_r(); eval.buildEvaluator(trainIns); //System.out.println(rank.search(eval, trainIns)); int[] attrIndex = rank.search(eval, trainIns); StringBuffer attrIndexInfo = new StringBuffer(); StringBuffer attrInfoGainInfo = new StringBuffer(); attrIndexInfo.append("Selected attributes:"); attrInfoGainInfo.append("Ranked attributes:\n"); for(int i = 0; i < attrIndex.length; i ++){ attrIndexInfo.append(attrIndex[i]); attrIndexInfo.append(","); attrInfoGainInfo.append(eval.evaluateAttribute(attrIndex[i])); attrInfoGainInfo.append("\t"); attrInfoGainInfo.append((trainIns.attribute(attrIndex[i]).name())); attrInfoGainInfo.append("\n"); } System.out.println(attrIndexInfo.toString()); System.out.println(attrInfoGainInfo.toString()); }catch(Exception e){ e.printStackTrace(); } }}