带scikit-learn的.arff文件？

Question

我想用Attribute-Relation File Format和scikit-learn做一些NLP任务，这可能吗？如何将.arff文件与scikit-learn一起使用？

Answer 1

我真的推荐liac-arff。它不会直接加载到numpy，但转换很简单：

import arff, numpy as np
dataset = arff.load(open('mydataset.arff', 'rb'))
data = np.array(dataset['data'])

Answer 2

我发现scipy has a loader for arff files将它们作为numpy记录数组加载。我不是100％确定这些数组适合scikit-learn直接使用，但这应该是你的开始。

Answer 3

按照renatopp的回答： 假设您的数据是虹膜数据集，应该有5维，最后一个是类标签列。

s = svm.SVC()
data_input = data[:,0:4]
labels = data[:,4] # this is the class column
s.fit(data_input, labels)

我认为这是你想要的。

Answer 4

如果“ arff”文件是文本文件，请尝试以下代码：

import arff, numpy as np
dataset = arff.loads(open('mydataset.arff', 'rt'))
data = np.array(dataset['data'])

Answer 5

scipy.arff 的解决方案

代码：

from scipy.io import arff
import pandas as pd

data = arff.loadarff('file.arff')
df = pd.DataFrame(data[0])
df.head()