Question

我正在使用Weka来实现一堆NLP算法。为此，我想将我创建的数据集（从纯文本）写入csv文件。实例已正确创建。我已经通过手动检查数据集的非常小的部分来测试实例创建过程（例如，只有两个文本，每个文本有10个单词）。我还在我创建的实例上直接使用了Weka的k-means clusterer，它运行得很完美。

但是，当我尝试使用CSVSaver将实例保存到文件时，我得到一个indexOutOfBoundsException。据我所知，方法Saver#writeBatch()和Saver#writeIncremental()一直循环到包括实例的长度。那令我困惑！ Java是0索引的，instance对象也是0索引的。那么为什么Weka会循环到size()而不是size() - 1？我错过了一些非常明显的东西吗？

代码的相关部分如下：

CSVSaver csvSaver = new CSVSaver();
csvSaver.setFieldSeparator("\t");
csvSaver.setFile(new File(optionSet.valueOf("doc-output").toString()));
csvSaver.setMaxDecimalPlaces(3);
csvSaver.setNoHeaderRow(false);
csvSaver.setInstances(documentInstances);
csvSaver.setRetrieval(AbstractSaver.INCREMENTAL);
for (Instance instance : csvSaver.getInstances())
    csvSaver.writeIncremental(instance);

for循环的第一次迭代写入标题行，其中包含346个元素（索引从0到345）。 Weka写下所有这些，然后抛出以下错误：

java.lang.IndexOutOfBoundsException: Index: 346, Size: 346
    at java.util.ArrayList.rangeCheck(ArrayList.java:635)
    at java.util.ArrayList.get(ArrayList.java:411)
    at weka.core.Instances.attribute(Instances.java:341)
    at weka.core.AbstractInstance.toString(AbstractInstance.java:744)
    at weka.core.converters.CSVSaver.instanceToString(CSVSaver.java:578)
    at weka.core.converters.CSVSaver.writeIncremental(CSVSaver.java:472)

为什么Weka会一直到索引346，甚至Java初学者都知道停在345？

Answer 1

我设法通过强制每个实例成为DenseInstance来找到解决方法，如下所示：

for (Instance instance : csvSaver.getInstances()) {
    csvSaver.writeIncremental(new DenseInstance(instance));
}

这很有效，当然，csv输出也是正确的。

这个解决方案只是一种解决方法，如果有人发现这个错误背后的真正原因，我宁愿这样做。

Weka CSVSaver索引问题

1 个答案: