Python 理解scikit学习中的数据格式

我正在尝试使用Python3.x中的scikit learn处理多标签文本分类。我使用

load\u svmlight\u文件

模块加载libsvm格式的数据。数据格式如下

> 1 2 3 4 5 6 7 8 9 10 11 12 13 > 1 1 1 1 1 1 1 1 1 1 1 2 1

• 31452316553876255 1:12:13:14:15:16:17:18:19:110:1112:213:1
• 41052323029636830375145 8:11922:1241:129:163:168:169:376:182:183:184:1

每一行对应一个文档。前三个数字是标签，下一个条目是要素编号及其值。每个特征对应一个单词

我正在使用此脚本加载数据

from sklearn.datasets import load_svmlight_file

X,Y = load_svmlight_file("train.csv", multilabel = True, zero_based = True)

我的问题是，当我看到数据的格式时，例如，

print（X[0]）

，我得到这个输出

（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

> 1 2 3 4 5 6 7 8 9 10 11 12 13 > 1 1 1 1 1 1 1 1 1 1 1 2 1 > 1 2 3 4 5 6 7 8 9 10 11 12 13 > 1 1 1 1 1 1 1 1 1 1 1 2 1

---

我是新来的。我希望在这方面能得到一些帮助。

这与多标签分类本身无关。从

load\u svmlight\u file

中获得的特征矩阵

X

是一个，如文档中所述，这些特征矩阵以非常糟糕的格式打印：

>>> from scipy.sparse import csr_matrix
>>> X = csr_matrix([[0, 0, 1], [2, 3, 0]])
>>> X
<2x3 sparse matrix of type '<type 'numpy.int64'>'
    with 3 stored elements in Compressed Sparse Row format>
>>> X.toarray()
array([[0, 0, 1],
       [2, 3, 0]])
>>> print(X)
  (0, 2)    1
  (1, 0)    2
  (1, 1)    3

>>从scipy.sparse导入csr\u矩阵
>>>X=csr_矩阵（[[0,0,1]，[2,3,0]]
>>>X
>>>十、toarray（）
数组（[[0,0,1]，
[2, 3, 0]])
>>>打印（X）
(0, 2)    1
(1, 0)    2
(1, 1)    3

感谢您指出这一点。我在scikit学习文档中找不到这个。我仍然无法理解CSR矩阵是如何构建的。我能把它转换回普通数组吗？@Sasha，它在数组中。您可以使用

X.toarray（）

转换为数组，如我在示例中所示。非常感谢。我现在明白了。