到此为止,关于如何生成mulan的输入文件的方法比较零散,且有些方法不是合适大数据的情况,比如训练和测试
数据达到G级别以上。因此,次篇博客将总结出一个通用的方法,无论数据大小都可以实现。
(1)在matlab中已经有你的输入训练数据traintdata_ch和测试数据testdata_ch,都存在矩阵中。相应格式请参考
以前的博文,此处不再叙述。
csvwrite('traindata_ch.csv',traindata_ch);
csvwrite('testdata_ch.csv',testdata_ch);
(3)在eclipse中建立一个工程和一个新类CsvToArrf.java。
配置工程的方法:
A、下载Weka的linux版本,解压;
B、右键点击CreatArff->Properties->Java Build Path->Libraries->Add Extern Jars,选择刚才解压文 件中的weka.jar和weka-src.jar这两个jar包;
C、CsvToArrf.java的内容如下:
import java.io.BufferedReader; import java.io.File; import java.io.FileReader; import weka.core.Attribute; import weka.core.FastVector; import weka.core.Instance; import weka.core.Instances; import weka.core.converters.ArffSaver; /** * Generates a big ARFF file with different attribute types. * * @author WuQiang * <span style="color: rgb(0,130,0); font-family: Consolas,'Courier New',Courier,mono,serif; line-height: 18px;">Email:qiang4.wu@changhong.com</span> */ public class CsvToArrf { public static void main(String[] args) throws Exception { FastVector atts; FastVector attVals; Instances data; double[] vals; int i; // 1. set up attributes atts = new FastVector(); // - numeric double num_fea=294;//the dims of a feature for (i=1;i<=num_fea;i++) <span style="white-space:pre"> </span> atts.addElement(new Attribute("feature" + (i))); // - nominal ;only two {0,1} attVals = new FastVector(); attVals.addElement("0"); attVals.addElement("1"); double num_labels=5;//the number of classes for (i=1;i<=num_labels;i++) atts.addElement(new Attribute("label"+(i),attVals)); // 2. create Instances object data = new Instances("traindata_ch",atts,0); // 3. fill with data from 。csv file String fileName="E:/methods/Eclipse/Create_Arrf/data/traindata_ch.csv"; String result=null; FileReader fileReader=null; BufferedReader bufferedReader=null; fileReader=new FileReader(fileName); bufferedReader=new BufferedReader(fileReader); // String read=null; // vals = new double[data.numAttributes()]; while ((result=bufferedReader.readLine())!=null) { String [] subAtt=result.split(","); // System.out.println(subAtt.length); vals = new double[data.numAttributes()]; for(i=0;i<num_fea;i++) { <span style="white-space:pre"> </span> double d = Double.parseDouble(subAtt[i]); <span style="white-space:pre"> </span> vals[i] = d; } // - nominal for(;i<num_fea+num_labels;i++) vals[i] = attVals.indexOf(subAtt[i]); // setVals(vals,data); //---- add data.add(new Instance(1.0,vals)); // data.add(new Instance(1.0,'\n')); } bufferedReader.close(); fileReader.close(); //4. output data System.out.println(data); //save to a arrf file ArffSaver saver = new ArffSaver(); saver.setInstances(data); saver.setFile(new File("./data/traindata_ch.arff")); // saver.setDestination(new File("./data/test.arff")); // **not** necessary in 3.5.4 and later saver.writeBatch(); } /*private static void setVals(double[] vals,Instances data) { <span style="white-space:pre"> </span>// TODO Auto-generated method stub <span style="white-space:pre"> </span>data.add(new Instance(1.0,vals)); <span style="white-space:pre"> </span> }*/ }
注意:生成traindata_ch.arrf之后,将traindata_ch.csv改为testdata_ch.csv生成testdata_ch.arrf。
(4)关于如何生.xml文件的方法,本人是在是没有找到合适的方法。如果有人找到了好的方法,希望告诉我一声。
此处,贴出一个很笨的原始生成.xml文件的方法,采用matlab语言写的。
clc; clear all; str1='<?xml version="1.0" encoding="utf-8"?>'; str2='<labels xmlns="http://mulan.sourceforge.net/labels">'; basestr1='<label name="'; basestr2='"></label>'; endlabel='</labels>'; lab='label'; fid=fopen('traindata_ch.xml','w'); fprintf(fid,'%s\n',str1); fprintf(fid,str2); for i=1:num_class %num_class 是总共的类数,需要按照自己的实际需要进行修改 lab_=[basestr1 strcat(lab,num2str(i)) basestr2]; fprintf(fid,lab_); end fprintf(fid,'%s',endlabel); fclose(fid);到此,生成.arrf文件和.xml文件已经全部完成,其中训练数据和测试数的.xml文件是完全一样的,只是文件名不
一样巴了。接下来就是如何实验了。
此博文的代码全部经过测试,可能还是有很多的不足的地方。
————————此方法仅供参考,如有不足请指正!