ARFF 没有一个 class 实例

Question

所以，我一直在使用本教程 https://weka.wikispaces.com/Text+categorization+with+WEKA 中的示例 "TextCategorizationTest.java"。

我有一个包含两个文件夹的目录："neg" 和 "pos"。这两个文件夹代表了应该在我的 ARRF 中的 classes。问题是当尝试创建 ARFF 文件时，实例不包含 "pos" 的属性 class，但它们确实包含 class "neg" 的属性。

这是我的 ARFF 文件：http://pastebin.com/6nGWEyMq

如您所见，"pos" 个实例以这种格式呈现： @数据 {1 1,3 1,24 1,27 1,29 1,37 ...} "neg" 个实例以这种格式呈现： {0 否定，1 1,2 1,3 1,6 1 ...}

我该怎么做才能解决这个 ARFF？我会接受来自 weka 代码或 weka GUI 的解决方案。

Answer 1

您的 ARFF 文件完全没问题，无需更改。

您的 ARFF 文件是稀疏格式，这意味着值为 0 的属性将被忽略。对于您期望很多属性为 0 的场景，例如字数统计，这种格式简洁多了。

格式为：

{index value,index value,index value, ...}

但正如我所说，值为 0 的属性将被忽略，因此此处仅列出不为 0 的属性的索引。

标称属性使用它们的值索引（不要与属性索引混淆）存储，class 属性定义（索引为 0 的第一个属性）的顺序为 {pos,neg} ，因此 "pos" 的值索引为 0，而 "neg" 的值索引为“1”。这样一来，所有 "pos" 条目都丢失了，因为 "pos"（索引为 0）是默认值。

您的某些数据行的第一列采用稀疏格式（如您发布的那样）：

@data
{1 1,3 1,24 1,27 1, ...}
{1 1,4 1,5 1,8 1,17 1,24 1,26 1,29 1, ...}
...
{0 neg,17 1, ...}

这相当于以下密集格式：

@data
{0,1,0,1,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,1,0,0,1,0,0, ...}
{0,1,0,0,1,1,0,0,1,0,0,0,0,0,0,0,0,1,0,0,0,0,0,0,1,0,1,0,0,1, ...}
...
{1,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,1,0,0,0,0,0,0,0,0,0,0,0,0, ...}

ARFF 没有一个 class 实例

ARFF without one class in instances

java

weka