Question

我尝试使用WEKA库制作SMS SPAM分类器。我有一个带有＆＃34;标签＆＃34;的CSV文件和＆＃34;文字＆＃34;标题。当我使用下面的代码时，它会创建一个包含两个属性的ARFF文件：

@attribute label {ham,spam}
@attribute text {'Go until jurong point','Ok lar...', etc.}

目前，似乎text属性被格式化为名义属性，每个消息的文本都是一个值。但是我需要text属性是一个String属性，而不是所有实例中所有文本的列表。将text属性作为String将允许我使用StringToWordVector过滤器来训练分类器。

// load CSV
CSVLoader loader = new CSVLoader();
loader.setSource(new File(args[0]));
Instances data = loader.getDataSet();

// save ARFF
ArffSaver saver = new ArffSaver();
saver.setInstances(data);
saver.setFile(new File(args[1]));
saver.setDestination(new File(args[1]));
saver.writeBatch();

我知道我可以像这样创建一个String属性：

Attribute tmp = new Attribute("tmp", (FastVector) null);

但我不知道如何替换当前属性，或者在读取CSV之前设置属性类型。

我尝试插入一个新的String属性并删除当前的名义属性，但这会删除所有的SMS文本。我也尝试使用renameAttributeValue，但这似乎不适用于更改属性类型。

修改我怀疑这个NominalToString filter会完成这项工作，但我不确定如何使用它。

我们非常感谢任何建议。谢谢！

Answer 1

这就是诀窍。它改变了文本属性类型，但没有改变标签属性类型（虽然我不确定为什么它会做一个而不是另一个）。

NominalToString filter1 = new NominalToString();
filter1.setInputFormat(data);
data = Filter.useFilter(data, filter1);

有一个小提示here

默认情况下，非数字属性作为NOMINAL导入属性，不一定是文本数据所需的，特别是如果想要使用StringToWordVector过滤器。为了要将属性更改为STRING，可以运行NominalToString 过滤（包weka.filters.unsupervised.attribute）对数据，指定应该是的索引的属性索引或范围转换（注意：此过滤器不排除来自的类属性）转换！）。

如何将属性类型更改为String（WEKA - CSV到ARFF）

1 个答案: