问题标签 [arff]

我想将clusterer（蜘蛛网）结果保存到arff文件中，但我似乎无法弄清楚。我知道如何从GUI保存结果，但我无法从我的代码中弄清楚如何做到这一点java，即使搜索了几个小时。

这是我的代码。

我正在尝试使用 WEKA 库制作 SMS SPAM 分类器。我有一个带有“标签”和“文本”标题的 CSV 文件。当我使用下面的代码时，它会创建一个带有两个属性的 ARFF 文件：

目前，似乎文本属性被格式化为一个名义属性，每个消息的文本作为一个值。但我需要 text 属性是 String 属性，而不是所有实例中所有文本的列表。将文本属性作为字符串将允许我使用 StringToWordVector 过滤器来训练分类器。

我知道我可以像这样创建一个字符串属性：

但我不知道如何替换当前属性，或者在读取 CSV 之前设置属性类型。

我尝试插入一个新的字符串属性并删除当前的标称属性，但这会删除所有的 SMS 文本。我也尝试使用renameAttributeValue，但这似乎不适用于更改属性类型。

编辑： 我怀疑这个NominalToString 过滤器可以完成这项工作，但我不确定如何使用它。

任何建议将不胜感激。谢谢！

我正在使用 weka.classifiers.bayes.HMM 尝试对我的一些数据进行分类，但我似乎找不到任何关于我的 ARFF 文件应该是什么样子的示例......文档对我来说并不是很清楚.

所以我知道 HMM 需要时间序列数据，我的问题是如何在我的数据集中表示它？我应该在每个特征行前面添加另一个“数字”索引吗？例如，这是我的 3 条特征线（总共有 10 条，但都遵循这种格式）：

2,2.217950,2.235440,0.031252,2.224833,2.301141,0.093227,1.940765,1.973835,0.064434,1 2,2.216870,2.235608,0.035570,2.217950,2.235440,0.031252,2.023161,2.531513,0.623939,1 2,2.216577,2.246109,0.045806, 2.216870,2.235608,0.035570,2.497010,2.529199,0.050049,1

每行包含几个能量读数，它们都按顺序列出：第 1 行在前，第 2 行在 1 秒后出现，第 3 行，在第 2 行读数后 1 秒等。

我如何在 Weka 中使用 HMM 来训练这个集合？（是的，我知道我需要一个单独的测试数据集，它也是一个时间序列）

谢谢！！

我正在尝试使用新数据集测试我的模型。我已经完成了与构建模型相同的预处理步骤。我比较了两个文件，但没有问题。我拥有相同顺序、相同属性名称和数据类型的所有属性（训练与测试数据集）。但我仍然无法解决问题。两个文件 train 和 test 似乎相似，但 weka explorer 给我错误说 Train 和 test set 不兼容。如何解决此错误？有没有办法将 test.arff 文件格式设为 train.arff？请有人帮助我。

我正在使用 Python 脚本并将结果（使用 ntlk 计算）写入 arff 文件。需要进入 arff 文件的信息是字母和单词（不是数字）。但是，每当我运行我的脚本时，我都会得到一个包含零的 arff 文件。像这样：

这是我写入 arff 的一段代码：

我是 java 的初学者，我想将现有的 .csv 文件转换为 .arff 文件，并且我已经编写了以下代码并且它没有转换，而是我得到了错误。请任何人都可以帮助我解决这些错误并建议我如何编程：

我在 Java 程序中使用 Weka 对一些文本文档进行分类，并使其与 NaiveBayesMultinomial 分类器配合良好。

但是，我似乎找不到任何关于如何过滤我的实例（或 ARFF 文件）的文档，以便它们可以被其他分类器接受为输入。如果我将 ARFF 加载到 Weka Explorer GUI 中，那么大多数分类器都是灰色的。使用 StringToWordVector 过滤器不会影响这一点，我也尝试了其他一些。

谁能告诉我如何准备我的数据，以便其他分类器可以接受它，例如 NaiveBayes、JRip 或 BayesNet？

是否可以在 WEKA 中实现布尔属性？

我想实施购物篮分析，为此我需要一张这样的表格

等等。

对于No或false，我可以使用?，它代表 WEKA 中的空值：

但现在我得到了频率。项目集和规则，例如：

但我只想拥有

你懂我的意思吗？

我找到了有关创建 ARFF 文件的指南，但没有任何布尔数据类型。但是拥有这样的数据类型会很有用，还是我想错了？

我正在使用稀疏矩阵格式的超大数据集。

数据具有归档格式（3 个制表符分隔的列，其中第一列中的字符串对应一行，第二列中的字符串对应属性，第三列中的值是加权分数）。

我想使用 awk （如果可能的话）将其转换为 arff 格式，以便使用上述作为输入，我可以获得以下输出：

我在这里看到了这个 awk 文件，它产生的结果与我需要的非常相似。但是，输入有点不同。我试图通过更改 FS = "|" 来操纵提供的代码 到“\t”，但它不会产生预期的结果。有没有人建议我如何操纵这个 awk 代码将我的输入转换为我想要的输出？

我正在尝试在 weka 中打开一个 arff 文件，但出现两个错误。第一个，“文件未被识别为 arff 文件。原因：标头中未声明标称值，读取 Token[25]，第 772 行”

奇怪的是我删除了第 25 个元素再试一次，它说“文件未被识别为 arff 文件。原因：行过早结束，读取 Token[EOL]，第 773 行”

有谁知道发生了什么？

这是文件： https ://www.dropbox.com/s/utmopltp3eljtyq/hegazkinak.arff