如何将编码缺失值替换为rapidminer中的缺失值？

Question

我目前正在使用 COVID-19 DATASET 中的数据集进行 covid 数据分析。我在这个项目中使用 Rapidminer。 在此数据集中，所有其他列中的缺失值都标记为 97,98,99，death_year 列的缺失值为 9999-99-99。

我试图通过链接替换运算符来手动替换缺失值，但系统没有显示所有运算符。

我的任务是在此数据集中进行一些 eda 和 ml 操作。但为此删除或处理缺失值被认为是必要的。

Answer 1

您可以使用

Declare Missing Value

运算符。这适用于标称和数字属性，您可以说明整个示例集中应该缺少哪些值。

这是一个示例 XML 流程（复制下面的 XML 并粘贴到空的 RapidMiner XML 窗格中）

<?xml version="1.0" encoding="UTF-8"?><process version="10.1.001">
  <context>
    <input/>
    <output/>
    <macros/>
  </context>
  <operator activated="true" class="process" compatibility="10.1.001" expanded="true" name="Process">
    <parameter key="logverbosity" value="init"/>
    <parameter key="random_seed" value="2001"/>
    <parameter key="send_mail" value="never"/>
    <parameter key="notification_email" value=""/>
    <parameter key="process_duration_for_mail" value="30"/>
    <parameter key="encoding" value="SYSTEM"/>
    <process expanded="true">
      <operator activated="true" class="utility:create_exampleset" compatibility="10.1.001" expanded="true" height="68" name="Create ExampleSet" width="90" x="112" y="34">
    <parameter key="generator_type" value="comma separated text"/>
    <parameter key="number_of_examples" value="100"/>
    <parameter key="use_stepsize" value="false"/>
    <list key="function_descriptions"/>
    <parameter key="add_id_attribute" value="false"/>
    <list key="numeric_series_configuration"/>
    <list key="date_series_configuration"/>
    <list key="date_series_configuration (interval)"/>
    <parameter key="date_format" value="yyyy-MM-dd HH:mm:ss"/>
    <parameter key="time_zone" value="SYSTEM"/>
    <parameter key="input_csv_text" value="aa,bb,cc,dd&#10;99,3.1,23,2023-09-12&#10;98,97,1.1,2023-09-13&#10;3.1,2,1,9999-99-99"/>
    <parameter key="column_separator" value=","/>
    <parameter key="parse_all_as_nominal" value="false"/>
    <parameter key="decimal_point_character" value="."/>
    <parameter key="trim_attribute_names" value="true"/>
      </operator>
      <operator activated="true" class="declare_missing_value" compatibility="10.1.001" expanded="true" height="82" name="Declare Missing Value (4)" width="90" x="246" y="136">
    <parameter key="attribute_filter_type" value="all"/>
    <parameter key="attribute" value="dd"/>
    <parameter key="attributes" value="|a4"/>
    <parameter key="use_except_expression" value="false"/>
    <parameter key="value_type" value="attribute_value"/>
    <parameter key="use_value_type_exception" value="false"/>
    <parameter key="except_value_type" value="time"/>
    <parameter key="block_type" value="attribute_block"/>
    <parameter key="use_block_type_exception" value="false"/>
    <parameter key="except_block_type" value="value_matrix_row_start"/>
    <parameter key="invert_selection" value="false"/>
    <parameter key="include_special_attributes" value="false"/>
    <parameter key="mode" value="nominal"/>
    <parameter key="numeric_value" value="99.0"/>
    <parameter key="nominal_value" value="9999-99-99"/>
    <parameter key="expression_value" value="a4==&quot;bbbb&quot;"/>
      </operator>
      <operator activated="true" class="declare_missing_value" compatibility="10.1.001" expanded="true" height="82" name="Declare Missing Value (3)" width="90" x="380" y="34">
    <parameter key="attribute_filter_type" value="all"/>
    <parameter key="attribute" value=""/>
    <parameter key="attributes" value=""/>
    <parameter key="use_except_expression" value="false"/>
    <parameter key="value_type" value="numeric"/>
    <parameter key="use_value_type_exception" value="false"/>
    <parameter key="except_value_type" value="time"/>
    <parameter key="block_type" value="attribute_block"/>
    <parameter key="use_block_type_exception" value="false"/>
    <parameter key="except_block_type" value="value_matrix_row_start"/>
    <parameter key="numeric_condition" value="&gt; 97"/>
    <parameter key="invert_selection" value="false"/>
    <parameter key="include_special_attributes" value="false"/>
    <parameter key="mode" value="numeric"/>
    <parameter key="numeric_value" value="97.0"/>
    <parameter key="expression_value" value="&gt; 97"/>
      </operator>
      <operator activated="true" class="declare_missing_value" compatibility="10.1.001" expanded="true" height="82" name="Declare Missing Value" width="90" x="514" y="34">
    <parameter key="attribute_filter_type" value="all"/>
    <parameter key="attribute" value=""/>
    <parameter key="attributes" value=""/>
    <parameter key="use_except_expression" value="false"/>
    <parameter key="value_type" value="attribute_value"/>
    <parameter key="use_value_type_exception" value="false"/>
    <parameter key="except_value_type" value="time"/>
    <parameter key="block_type" value="attribute_block"/>
    <parameter key="use_block_type_exception" value="false"/>
    <parameter key="except_block_type" value="value_matrix_row_start"/>
    <parameter key="numeric_condition" value="&gt;97"/>
    <parameter key="invert_selection" value="false"/>
    <parameter key="include_special_attributes" value="false"/>
    <parameter key="mode" value="numeric"/>
    <parameter key="numeric_value" value="98.0"/>
    <parameter key="expression_value" value="a1==99"/>
      </operator>
      <operator activated="true" class="declare_missing_value" compatibility="10.1.001" expanded="true" height="82" name="Declare Missing Value (2)" width="90" x="648" y="34">
    <parameter key="attribute_filter_type" value="all"/>
    <parameter key="attribute" value=""/>
    <parameter key="attributes" value=""/>
    <parameter key="use_except_expression" value="false"/>
    <parameter key="value_type" value="attribute_value"/>
    <parameter key="use_value_type_exception" value="false"/>
    <parameter key="except_value_type" value="time"/>
    <parameter key="block_type" value="attribute_block"/>
    <parameter key="use_block_type_exception" value="false"/>
    <parameter key="except_block_type" value="value_matrix_row_start"/>
    <parameter key="numeric_condition" value="&gt;97"/>
    <parameter key="invert_selection" value="false"/>
    <parameter key="include_special_attributes" value="false"/>
    <parameter key="mode" value="numeric"/>
    <parameter key="numeric_value" value="99.0"/>
    <parameter key="expression_value" value="a1==99"/>
      </operator>
      <connect from_op="Create ExampleSet" from_port="output" to_op="Declare Missing Value (4)" to_port="example set input"/>
      <connect from_op="Declare Missing Value (4)" from_port="example set output" to_op="Declare Missing Value (3)" to_port="example set input"/>
      <connect from_op="Declare Missing Value (4)" from_port="original" to_port="result 2"/>
      <connect from_op="Declare Missing Value (3)" from_port="example set output" to_op="Declare Missing Value" to_port="example set input"/>
      <connect from_op="Declare Missing Value" from_port="example set output" to_op="Declare Missing Value (2)" to_port="example set input"/>
      <connect from_op="Declare Missing Value (2)" from_port="example set output" to_port="result 1"/>
      <portSpacing port="source_input 1" spacing="0"/>
      <portSpacing port="sink_result 1" spacing="0"/>
      <portSpacing port="sink_result 2" spacing="0"/>
      <portSpacing port="sink_result 3" spacing="0"/>
    </process>
  </operator>
</process>

流程应该是这样的。

Declare Missing Values

运算符有 4 个示例。第一个替换所有示例中所有属性中的

9999-99-99

。其余 3 个分别对数值 97、98 和 99 执行相同操作。

替换前的输出应如下所示。

然后像这样。