0

我想对函数stacktraces进行一些数据挖掘，为此我使用libsvm并以稀疏格式表示数据以提高处理速度，每个stacktrace都是一个实例，变量是函数，即：

class1 F1,F2,F1,F456,F3  
class2 F4,F4,F4,F56,F3000  
...

在某个地方，我看到的独特功能的注册表不断增长，这就是功能索引的来源。理想情况下，我想使用稀疏格式表示上述实例，并划分为 5 个变量，如下所示：

1 1:1 2:1 1:1 456:1 3:1  
2 4:1 4:1 4:1 56:1 3000:1

这在 libsvm 的格式中是不可能的，所以我将总函数注册表的长度添加到每个组以避免索引冲突，如果我们假设总共有 3000 个函数：

1 1:1 3002:1 6001:1 9456:1 12003:1,  this is how the first instance looks now

如果函数的数量没有改变，这是可行的，但事实并非如此，因为每次添加新函数，都必须重做整个事情。

我使用的是稀疏格式，但也欢迎对其他格式提出建议，我能够使用 Weka 以密集格式使用数据，使用函数名称作为变量，它可以工作，只是比使用 libsvm 慢得多

谢谢！

4

1 回答 1

0

你有几个选择：

a）每次重做整个事情（我认为为 libsvm 生成输入比 libsvm 本身更快:)）

b) 第一件事用偶数，另一件事用奇数。所以你的例子看起来像：

1 2:1 3:1 1:1 911:1 5:1

这避免了碰撞，您不必重做整个事情:)

于 2013-09-09T20:00:33.057 回答