我在使用Weka分类器进行训练集的分类，但我想在构建模型之前对数据进行缩放。问题是我不知道如何操作。以下是构建分类器和进行预测的代码。”trainPath” 和 “predictPath” 中的文件是arff格式的。

void classify(String trainPath, String predictPath) {    try {        DataSource trainData = new DataSource(trainPath);        Instances train = trainData.getDataSet();        if(train.classIndex() == -1)            train.setClassIndex(train.numAttributes() -1);        DataSource predictData = new DataSource(predictPath);        Instances predict = predictData.getDataSet();        if(predict.classIndex() == -1)            predict.setClassIndex(predict.numAttributes() -1);        Classifier cls = new LibSVM();        cls.buildClassifier(train);        Instances labeled = new Instances(predict);        for (int c=0; c<predict.numInstances(); c++) {            double clsLabel = cls.classifyInstance(predict.instance(c));            labeled.instance(c).setClassValue(clsLabel);        }        BufferedWriter bw = new BufferedWriter(new FileWriter("files/labeled.arff"));        bw.write(labeled.toString());        bw.newLine();        bw.flush();        bw.close();    } catch (Exception e) {e.printStackTrace();}}

我知道在Libsvm中有svm-scale函数，但我不知道如何使用它。

回答：

Weka为您提供了数据预处理的方法，特别是

• weka.filters.unsupervised.attribute.Normalize
• weka.filters.unsupervised.attribute.Standardize

标准化器的使用示例，它将数据缩放到[0,1]区间（默认情况下）：

Normalize norm = new Normalize();norm.setInputFormat(train);Instances processed_train = Filter.useFilter(train, norm);