r - 在 R 中读取 arff 文件

Question

我想使用 R 读取来自 UCI 和 Amazon 评论的数据集。

数据集采用 ARFF (.arff) 格式。

我正在使用以下脚本：

require("foreign")
setwd("H:/DataSet/amazon")
reviews <- read.arff("amazon.arff")

我收到以下错误

read.arff("amazon.arff") 中的错误：属性规范无效。

感谢您在高级方面的帮助。

score 4 · Accepted Answer

我假设您指的是 UCI 机器学习存储库中的“Amazon Commerce 评论集数据集”。连 Weka 都打不开这个数据集，说

“...不被识别为 'Arff 数据文件'文件。...属性名称不是唯一的。”

如果你查看文件，你会看到很多类似的条目

@attribute '\'\'\'\'\'\'\'\'\'\'r\'\'\'\'\'\'\'\'\'\'\'' numeric

所以文件出了点问题，这不是 R 或任何“Arff”读取例程的错。您应该询问描述页面上提供其姓名和电子邮件地址的数据集创建者。

score 2 · Accepted Answer

我找到了让 Weka 打开 .arff 文件的解决方案。

无法将结构确定为 arff（原因：java.lang.illegalArgumentException：属性名称不是唯一的！原因：'T''T''T''T''I''I''I''I''Th' 'Th' 'Th' '类'）。

不是这样的属性@attribute "'\'\'\'\'\'\'\'\'\'\'r\'\'\'\'\'\'\'\'\'\' \'' 数字”。

如果您在文本编辑器（我使用 TextMate）中打开 arff 文件，您会找到罪魁祸首。（在文本伴侣中，他们显示 < NUL > ）

@attribute g_b numeric @attribute T numeric @attribute eing numeric @attribute T numeric @attribute rne numeric @attribute T numeric @attribute T numeric

您可以使用控制 F 来搜索“I”、“T”和“Th”的属性，但为了加快搜索速度，这里有 3 个易于搜索的属性，它们靠近问题站点。

对于“我”搜索“t_wo”，

对于“Th”搜索“ff_”

对于 'T' 搜索 'x_' （属性将在上面）

您不能简单地删除它们，因为无法知道哪些数字适用，所以我建议将它们重命名为 T2-4、I2-4 Th2-4。您还需要将属性“class”重命名为“class1”

score 2 · Accepted Answer

在您的特定情况下，数据集有一些问题，我无法阅读它。

不确定它是否有帮助，但如果您想使用 R 读取 .arff 文件，另一种方法是使用RWeka 包。

该包有一些依赖项：rJava（注 1）和 RWekajars。

然后，通过使用以下脚本，您将能够读取数据集（注 2）：

library(rJava)
library("RWeka")
x <- read.arff(file= "amazon.arff")

我没有专门尝试使用您的数据集（由于它的问题），但是当使用iris.arff dataset时，它运行良好的脚本（当然，需要更改文件的名称）。

笔记

3 回答 3