正在读取R中的arff文件

我想使用R.从带有亚马逊评论的UCI中读取一个数据集

数据集的格式为ARFF（.ARFF）.

我正在使用以下脚本：

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

我得到以下错误

read.arff（"amazon.arff"）中出错：属性规范无效。

提前感谢您的帮助。

我想你指的是UCI机器学习库中的"亚马逊商业评论集数据集"。即使是Weka也无法打开这个数据集，称

"…未被识别为‘Arff数据文件’文件……属性名称不唯一。"

如果你查看文件，你会看到很多类似的条目

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

所以文件出了问题，这不是R或任何"Arff"读取例程的错。您应该询问数据集创建者，其姓名和电子邮件地址在描述页上提供。

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：属性名称不唯一！原因："T"T"。

它不是像@attribute这样的属性"'\'\'\'\''\'r\'\'"。

如果你在文本编辑器中打开arff文件（我使用的是TextMate），你会发现罪魁祸首。（在文本中显示<NUL>）

@attribute g_b numeric@attribute T numeric@属性ingnumeric@attribute T numeric@attribute rne numeric@属性Tnumeric@属性T numeric

您可以使用控件F在then属性中搜索"I"、"T"one_answers"Th"但为了加快搜索速度，这里有3个易于搜索的属性，它们靠近问题网站。

对于"I"搜索"t_wo"，

对于'Th'搜索'ff_'

对于"T"搜索"x_"（属性将高于此属性）

你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"

在您的特定情况下，数据集有一些问题，我无法读取。

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")

我还没有专门尝试过使用您的数据集（由于它的问题），但当使用iris.arff数据集时，脚本运行良好（当然，需要更改文件名）。

票据

相关内容