Question

我需要在weka中完成文本分类的任务。我有以下层次结构中包含数据的文件。

mobydick
  part1
    1
    2
  part2
    1
    2
  part3
    1
    2

其中 1 和 2 是 partx 类文本的chucks。我用

加载数据

java -cp /usr/share/java/weka-3.6.6.jar weka.core.converters.TextDirectoryLoader -dir mobydick > moby.arff

我使用默认设置应用过滤器 StringToWordVector 并保存输出。

我有一个关于输出的问题。输出如下

...
@attribute @@class@@ {part3,part1,part2}
...
@data
{1 1,6 1,10 1...82 1,83 1}
{2 1,3 1,4 1...84 1,85 1}
{0 part1,12 1,23 1,...134 1,137 1}
{0 part1,23 1,26 1,...135 1,136 1}
{0 part2,12 1,17 1,...219 1,220 1}
{0 part2,12 1,21 1,...214 1,215 1}

非常奇怪的输出，由于某种原因，weka将标签放入向量中，我希望看到像{}，label这样的东西。另外weka没有将标签part3放在向量中，显然它是多余的，但为了简单起见，最好将它放在那里。

所以，在这里我看到有很多技巧，我的问题是什么原因这样做，如果它是正确的，也许我的输出是我用weka错误操作的结果。

Answer 1

您的操作是正确的，但您的期望与WEKA格式数据集的方式不同。

该类是一个属性，即要预测的属性，因此它存在于向量中。由于您应用过滤器的方式，它是第一个属性。

输出格式稀疏，这意味着您可以获得非零值的属性索引和值的耦合。但是，在名义属性的情况下（因为类在此问题中），当值与默认值不同时，您将获得索引和值，这是第一个 - part3案件。由于类是第一个属性（索引0），因此0 part2和0 part1不是默认值。{/ p} >

weka混淆StringToWordVector过滤器输出

1 个答案: