python - 转换为 libsvm 格式之前的数据格式

Question

我已经看到我可以使用dump_svmlight_file函数将 numpy 数组转换为 libsvm：https ://scikit-learn.org/stable/modules/generated/sklearn.datasets.dump_svmlight_file.html

在将它们转换为 libsvm 格式之前，我对 、 和数组的格式X有y疑问。query_id

因此，让我们举一个简短的例子。

最初，我在 Pandas 数据框中有特色文档（前 5 列）及其标签（最后一列; 1 = relevant, 0 = irrelevant），如下所示：

index  name  component   label
0      A     pink        0
1      B     orange      1
2      C     yellow      1
3      D     red         0

此外，我有两个查询：query1和query2。最初它们是两个字符串："this is query 1"和"this is query 2"分别。

这里的事情是前两行文档（样本）用于，query1最后两行用于query2。

我了解在转换为 libsvm 格式之前：

• X必须是一个 numpy 数组，其中 4 个样本从index 一列到另一component列
• y必须是一个 numpy 数组，只有 4 个样本和label列

这个对吗？我的疑问是：

• query_id在这种情况下数组将如何？
• 如何指示前两行是 for query1，最后两行是 for query2？