如何使用 Python 库读取稀疏 ARFF 数据

Question

数据部分是这样的：{60 1,248 1,279 1,316 1} .当我使用 Python LIAC-ARFF 库时，我收到如下错误：ValueError: {60 1 value not in ('0', '1') .

当我使用普通的 ARFF 文件时，它工作正常。

我正在使用来自木兰网站的著名的delicious.arff数据集。

我还需要使用其他方法吗？谁能帮忙？

Answer 1

您可以使用scikit-multilearn提供的函数来加载ARFF数据。

如何使用示例 - 第一个参数是 ARFF 文件，格式是 MULAN，因此标签位于末尾 ( label_location="end" (。美味数据集中有 983 个标签，美味输入数据的特征是整数，输入数据已经是名义的，因为美味中的输入空间是一袋单词。请记住，您应该始终阅读相关论文中的数据集(数据集的源论文信息在木兰网站上提供(：

from skmultilearn.dataset import load_from_arff
X, y = load_from_arff("/home/user/data/delicious-train.arff", 
    # number of labels
    labelcount=983, 
    # MULAN format, labels at the end of rows in arff data, using 'end' for label_location
    # 'start' is also available for MEKA format
    label_location='end', 
    # bag of words
    input_feature_type='int', encode_nominal=False, 
    # sometimes the sparse ARFF loader is borked, like in delicious,
    # scikit-multilearn converts the loaded data to sparse representations, 
    # so disabling the liac-arff sparse loader
    # but you may set load_sparse to True if this fails
    load_sparse=False, 
    # this decides whether to return attribute names or not, usually 
    # you don't need this
    return_attribute_definitions=False)

退货是什么？

>>> print(X, y)
(<12920x500 sparse matrix of type '<type 'numpy.int64'>' with 6460000 stored elements in LInked List format>,
<12920x983 sparse matrix of type '<type 'numpy.int64'>' with 12700360 stored elements in LInked List format>)