Weka:加载没有标题的CSV文件
如何在Weka中加载没有标题的CSV文件 有几个相关的问题，但似乎没有一个能切中要害 MWE 以下是Weka:加载没有标题的CSV文件,csv,weka,Csv,Weka,如何在Weka中加载没有标题的CSV文件 有几个相关的问题，但似乎没有一个能切中要害 MWE 以下是test.csv文件： 20,1,"+" 30,2,"+" 30,1,"+" 15,1,"-" 10,0,"-" 下面是Test.java代码： // javac -Xlint -cp weka.jar Test.java && java -cp .:weka.jar Test import weka.core.converters.CSVLoader; import weka
test.csv20,1,"+"
30,2,"+"
30,1,"+"
15,1,"-"
10,0,"-"
Test.java// javac -Xlint -cp weka.jar Test.java && java -cp .:weka.jar Test
import weka.core.converters.CSVLoader;
import weka.core.Instances;
import weka.classifiers.Classifier;
import weka.classifiers.bayes.NaiveBayes;
import weka.classifiers.Evaluation;
import java.io.File;
class Test
{
public static void main(String[] args) {
try {
CSVLoader loader = new CSVLoader();
loader.setOptions(new String[] {"-H"});
loader.setSource(new File("test.csv"));
Instances tr = loader.getDataSet();
tr.setClassIndex(tr.numAttributes() - 1);
Classifier m = (Classifier) new NaiveBayes();
m.buildClassifier(tr);
Evaluation eval = new Evaluation(tr);
eval.evaluateModel(m, tr);
System.out.println(eval.toSummaryString());
}
catch(Exception ex) {
System.out.println(ex);
}
}
}
Correctly Classified Instances 4 100 %
Incorrectly Classified Instances 0 0 %
Kappa statistic 1
Mean absolute error 0.0065
Root mean squared error 0.0112
Relative absolute error 1.3088 %
Root relative squared error 2.2477 %
Total Number of Instances 4
loader.setOptions(new String[] {"-H"});
loader.setNoHeaderRowPresent（true），但它似乎在Weka 3.6.13中不可用
参考资料：
编辑：原来这是3.6.13中的一个问题。代码在3.7.10中运行良好。我不确定3.6.13，但3.7.10的代码显示，如果setNoHeaderRowPresent设置为true，则会添加第一行数据
如果设置为false，请将其设置为true。参考CSV加载程序的
设置数据中是否没有标题行。
参数：btrueif
数据中没有标题行
public void setNoHeaderRowPresent（布尔b）{
m_noHeaderRow=b；293
}
所以在你的代码使用中
loader.setNoHeaderRowPresent(true)
和notloader.setNoHeaderRowPresent（false）将第一行包含在数据集中。作为一种解决方法，它读取CSV文件并将其作为ARFF文件传递：
// javac -Xlint -cp weka.jar Test.java && java -cp .:weka.jar Test
import weka.core.converters.CSVLoader;
import weka.core.Instances;
import weka.classifiers.Classifier;
import weka.classifiers.bayes.NaiveBayes;
import weka.classifiers.Evaluation;
import java.io.FileReader;
import java.io.BufferedReader;
import java.io.StringReader;
import java.lang.StringBuffer;
class Test
{
public static void main(String[] args) {
try {
String filename = "test.csv";
BufferedReader br = new BufferedReader(new FileReader(filename));
String line = br.readLine();
int cols = line.length() - line.replace(",", "").length() + 1;
StringBuilder arff = new StringBuilder("@RELATION test\n");
for(int i = 0; i < cols-1; i++) {
arff.append("@ATTRIBUTE ");
arff.append(String.valueOf((char)(i + 'a')));
arff.append(" NUMERIC\n");
}
arff.append("@ATTRIBUTE class {+,-}\n");
arff.append("@DATA\n");
while(line != null) {
arff.append(line);
arff.append("\n");
line = br.readLine();
}
System.out.println(arff.toString());
Instances tr = new Instances(new StringReader(arff.toString()));
tr.setClassIndex(tr.numAttributes() - 1);
Classifier m = (Classifier) new NaiveBayes();
m.buildClassifier(tr);
Evaluation eval = new Evaluation(tr);
eval.evaluateModel(m, tr);
System.out.println(eval.toSummaryString());
}
catch(Exception ex) {
System.out.println(ex);
}
}
}
//javac-Xlint-cp weka.jar Test.java&&java-cp.：weka.jar Test
进口weka.core.converters.csv装载机；
导入weka.core.Instances；
导入weka.classifiers.Classifier；
导入weka.classifiers.bayes.NaiveBayes；
导入weka.classifiers.Evaluation；
导入java.io.FileReader；
导入java.io.BufferedReader；
导入java.io.StringReader；
导入java.lang.StringBuffer；
课堂测试
{
公共静态void main（字符串[]args）{
试一试{
字符串filename=“test.csv”；
BufferedReader br=新的BufferedReader（新文件读取器（文件名））；
String line=br.readLine（）；
int cols=line.length（）-line.replace（“，”，“）.length（）+1；
StringBuilder arff=新的StringBuilder（“@relationship test\n”）；
对于（int i=0；i
谢谢，我阅读文档的速度太快了。但问题是它似乎没有在3.6.13中实现：Test.java:16:error:not find symbol loader.setNoHeaderRowPresent（true）。但奇怪的是，loader.setOptions（新字符串[]{“-H”}）也不适用于我。我正在发布一个变通方法作为替代答案……好的，我已经尝试了开发人员版本3.7.10，两个版本都可以使用：setNoHeaderRowPresent（）
和setOption（）
。看起来像是稳定版本3.6.13的bug。我在3.8.4
上，我正试图用Explorer
GUI应用程序打开CSV
无头文件。即使将setNoHeaderRowPresent
指定为true
也不起作用，或者给出了“无效流头”错误。@Naruto，这显然是一种黑客行为，也是一种MWE黑客行为。我不能编辑原始的CSV文件，如果这是你的建议。该模型必须集成到我们的研究框架的其他部分，包括其他语言。我们不会只为一个Weka模型编辑CSV文件。
// javac -Xlint -cp weka.jar Test.java && java -cp .:weka.jar Test
import weka.core.converters.CSVLoader;
import weka.core.Instances;
import weka.classifiers.Classifier;
import weka.classifiers.bayes.NaiveBayes;
import weka.classifiers.Evaluation;
import java.io.FileReader;
import java.io.BufferedReader;
import java.io.StringReader;
import java.lang.StringBuffer;
class Test
{
public static void main(String[] args) {
try {
String filename = "test.csv";
BufferedReader br = new BufferedReader(new FileReader(filename));
String line = br.readLine();
int cols = line.length() - line.replace(",", "").length() + 1;
StringBuilder arff = new StringBuilder("@RELATION test\n");
for(int i = 0; i < cols-1; i++) {
arff.append("@ATTRIBUTE ");
arff.append(String.valueOf((char)(i + 'a')));
arff.append(" NUMERIC\n");
}
arff.append("@ATTRIBUTE class {+,-}\n");
arff.append("@DATA\n");
while(line != null) {
arff.append(line);
arff.append("\n");
line = br.readLine();
}
System.out.println(arff.toString());
Instances tr = new Instances(new StringReader(arff.toString()));
tr.setClassIndex(tr.numAttributes() - 1);
Classifier m = (Classifier) new NaiveBayes();
m.buildClassifier(tr);
Evaluation eval = new Evaluation(tr);
eval.evaluateModel(m, tr);
System.out.println(eval.toSummaryString());
}
catch(Exception ex) {
System.out.println(ex);
}
}
}