【Weka】欠損データを自動的に補完するフィルタを使ってみた。
公開日：
:
最終更新日：2018/07/24
機械学習 Missing values, Weka, 欠損データ, 自動的に補完
機械学習で用いるデータについてです。データは完璧なことに越したことはないが、通常は、ある属性の値が入っていない欠損データ（Missing values）があります。この欠損データをどう取り扱うかについては、
欠損データを含むタプルを無視する。
欠損データの補完を行う。
の２通り考えられます。欠損データを含むタプルを無視するのはもったいないとされており、欠損データの補完を考えます。
欠損データの補完方法については色々あるようですが、一般的な手法としては、
- 数値データの場合は、平均値（mean）
- カテゴリデータの場合は、最も多く現れたカテゴリ
を割り当てるようです。
機械学習ソフト Weka には欠損データを自動的に補完するフィルタ機能がついているので今回使ってみました。
Contents
使用データ：labor.arff
今回使用したデータは、Weka 用に用意されている labor.arff というデータセットを以下からダウンロードしてきました。
http://storm.cis.fordham.edu/~gweiss/data-mining/datasets.html
データの読み込み
前処理タブ -> ファイルを開く で labor.arff を選択します。
編集ボタンでデータを表形式でみることがきます。
薄いブルーで塗られたセルが欠損データになります。
欠損データの補完
欠損データの補完を自動で行うには、前処理タブのフィルター選択ボタンを押して、filters -> unsupervised -> attribute -> ReplaceMissingValues を選択します。
フィルターが設定できたら、適応ボタンを押してフィルターを反映させます。
再度、編集ボタンからデータの確認を行い、データが補完されていることを確認します。
関連記事
-
-
【Chainer】手書き数字認識をしてみた【Deep Learning】
Chainerを用いて、ニューラルネットワークを構築し、手書き数字認識を行ったときのメモです。
-
-
【Weka】フリーの機械学習ソフトをインストールする方法。
Weka は、ＧＵＩで使えるフリーの機械学習ソフトです。 https://ja.wikiped
-
-
【Weka】CSVファイルを読み込んで決定木を実行。
フリーの機械学習ソフト Weka を使って、CSVファイルを読み込んで決定木（Decision Tr
-
-
【機械学習】 scikit-learn で精度・再現率・Ｆ値を算出する方法【Python】
今回は、２クラス分類で Python の scikit-learn を使った評価指標である、精度（P
-
-
【深層学習】 TensorFlow と Keras をインストールする【Python】
今回は、Google Colaboratory 上で、深層学習（DeepLearning）フレームワ
-
-
【PyTorch】畳込みニューラルネットワークを構築する方法【CNN】
今回は、PyTorch を使って畳込みニューラルネットワーク（CNN）を構築する方法について紹介しま
-
-
【機械学習】 scikit-learn で不正解データを抽出する方法【Python】
Python の scikit-learn ライブラリを使って機械学習でテストデータを識別（２クラス
-
-
【機械学習】モンテカルロ法（Monte Carlo method）について。
モンテカルロ法（Monte Carlo method）とは、シュミレーションや数値計算を乱数を用いて
-
-
【Weka】ARFF 形式から CSV 形式に簡単に変換する方法。
フリーのデータマイニングツールである WEKA では、ARFF 形式と CSV 形式のデータを読み込
-
-
【機械学習】パーセプトロン（Perceptron）について。
パーセプトロンは、教師あり学習の中でも、入出力モデルベース（eager learning：働き者の学
