我尝试使用python3.x中的scikitlearn来处理多标签文本分类,我有libsvm格式的数据,我正在使用load_svmlight_file
模块加载这些数据。数据格式是这样的。在
- 314523,165538,76255 1:1 2:1 3:1 4:1 5:1 6:1 7:1 8:1 9:1 10:1 11:1 12:2 13:1
- 410523,230296,368303,75145 8:1 19:2 22:1 24:1 29:1 63:1 68:1 69:3 76:1 82:1 83:1 84:1
每一行对应一个文档。前三个数字是标签,接下来的条目是要素编号及其值。每个特征对应一个单词。在
我正在用这个脚本加载数据。在
from sklearn.datasets import load_svmlight_file
X,Y = load_svmlight_file("train.csv", multilabel = True, zero_based = True)
我的问题是,当我通过例如print (X[0])
看到数据格式时,我得到这个输出。在
(0, 1) 1.0
(0, 2) 1.0
(0, 3) 1.0
(0, 4) 1.0
(0, 5) 1.0
(0, 6) 1.0
(0, 7) 1.0
(0, 8) 1.0
(0, 9) 1.0
(0, 10) 1.0
(0, 11) 1.0
(0, 12) 2.0
(0, 13) 1.0
我不明白这种格式的含义。格式不应该是这样的吗。在
^{pr2}$我是新来的。我希望在这方面得到一些帮助。在
这与多标签分类本身无关。从
load_svmlight_file
得到的特征矩阵X
是一个SciPy CSR matrix,如文档中所述,这些矩阵以一种非常不幸的格式打印:相关问题 更多 >
编程相关推荐