将分类数据转换为数字并保存为 libsvm 格式 python

Question

我有一个看起来像这样的 DataFrame：

    A         B        C        D
1   String1   String2  String3  String4
2   String2   String3  String4  String5
3   String3   String4  String5  String6
.........................................

我的目标是将此 DataFrame 转换为 libSVM 格式。

到目前为止我尝试过的如下：

dummy= pd.get_dummies(dataframe)
dummy.to_csv('dataframe.csv', header=False, index=False)

有没有办法将数据框或 csv 文件转换为这种格式。还是有更聪明的方法来进行转换？

我尝试从该存储库加载用于执行 this 的脚本，如下所示：

%load libsvm2csv.py

并且脚本已正确加载，但是当我运行时：

libsvm2csv.py dataframe.csv dataframe.data 0 True

或

libsvm2csv.py dataframe.csv dataframe.txt 0 True

我得到 "SyntaxError: invalid syntax" 指向 dataframe.csv

Answer 1

预处理数据后，您可以提取矩阵并使用 scikit-learns dump_svmlight_file 创建此格式。

示例代码：

import pandas as pd
from sklearn.datasets import dump_svmlight_file

dummy = pd.get_dummies(dataframe)
mat = dummy.as_matrix()
dump_svmlight_file(mat, y, 'svm-output.libsvm')  # where is your y?

备注/备选：

您提到 libsvm2csv.py 来进行此转换，但这只是错误的方向。它是 libsvm-format -> csv。

如果您想从 cvs -> libsvm（不使用 scikit-learn）进行转换，请检查 phraugs csv2libsvm.py。

我更喜欢使用 scikit-learn（与 phraug 相比）