Python sklearn.datasets.dump_svmlight_file无法输出列

Question

我想执行SVM灯和SVM等级，

所以我需要将我的数据处理成SVM灯的格式。

但我遇到了一个大问题......

我的Python代码如下：

import pandas as pd
import numpy as np
from sklearn.datasets import dump_svmlight_file

self.df = pd.DataFrame()
self.df['patent_id'] = patent_id_list
self.df['Target'] = class_list
self.df['backward_citation'] = backward_citation_list
self.df['uspc_originality'] = uspc_originality_list
self.df['science_linkage'] = science_linkage_list
self.df['sim_bc_structure'] = sim_bc_structure_list
self.df['claim_num'] = claim_num_list
self.qid = dataset_list

X = self.df[np.setdiff1d(self.df.columns, ['patent_id','Target'])]
y = self.df.Target

dump_svmlight_file(X,y,'test.dat',zero_based=False, query_id=self.qid,multilabel=False)

输出文件＆＃34; test.dat＆＃34;看起来像这样：

但实际数据如下所示：

我得错了索引......

以第一个实例为例，第1列的值为7，第2~4列的值为0，第5列的值为2 ....

所以我的预期结果如下：

1 qid：1 1：7 5：2

但输出文件的列索引完全错误....

，不幸的是......我无法弄清楚问题出在哪里....

我无法解决这个问题很长一段时间......

谢谢你的帮助!!

Answer 1

我更改了数据结构，我使用np.array来生成类似数组的输入。 最后，我成功了！

Answer 2

如果您对加载到numpy数组感兴趣，请尝试：

X = clicks_train[:,0:2]
y = clicks_train[:,2]

其中2是目标列的索引