將包含訓練數據及其標籤的單獨文本文件轉換爲ARFF格式

Question

我需要在Weka中爲數據集執行分類任務。該數據集包含3個文本文件training.txt,label_training.txt和testing.txt。的training.txt和testing.txt的格式如下：

InformationID FeatureID Value 
1    6   1.00 
1    160  31.00 
1    438  1.00 
1    479  1.00 
2    6457  2.00 
2    6664  0.65 
2    6761  0.46 
2    6762  1.00 

的label_training.txt包含類標籤的訓練數據和每一行表示在訓練集中的數據點。

1 
1 
1 
-1 
1 
-1 
-1 

請問1文件label_training.txt這意味着行對應於training.txt文件，該文件具有InformationID 1中的所有行？我想確定我是否理解正確。因此，訓練集中的一個數據點對應於InformationID 1，其值爲4個特徵，ID爲6,160,438,479？

現在，我該如何創建一個ARFF文件，它將訓練數據和標籤結合起來以派生一個分類器？任何幫助，將不勝感激。

Answer 1

好吧，看起來你的數據集是稀疏格式的，其中InformationID標識實例，而FeatureID標識該功能，爲Value每個實例/功能對的值。

讓我們假定label_training.txt是顯式的（一個實例是由線識別，例如線＃1標識實例＃1，其對應於InformationID 1.

在這種情況下，需要生成ARFF文件，如下列之一：

@relation my-relation 

@attribute my-class {-1,1} 
@attribute 1 numeric 
@attribute 2 numeric 
../.. 

@data 
{0 1, 6 1.00, 160 31.00, 438 1.00, 479 1.00} 
{0 1, 6457 2.00, 6664 0.65, 6761 0.46, 6762 1.00} 
../.. 

這是一個WEKA sparse ARFF format，其中每對夫婦的數字對應的屬性數量和它的價值

我建議寫一個。腳本來執行這個轉換。