使用 Mahout 0.10 将 CSV 文件转换为序列以使用随机森林进行分类答案

【问题标题】：Convert CSV file into sequence using Mahout 0.10 for classification using random forest使用 Mahout 0.10 将 CSV 文件转换为序列以使用随机森林进行分类
【发布时间】：2015-08-02 23:33:10
【问题描述】：

我有一个 CSV 文件，我想将其转换为 SequenceFile 以用于使用随机森林算法的分类任务。我该如何使用 mahout 0.10 和 netbeans？

我的数据包含数值和标称值： http://archive.ics.uci.edu/ml/machine-learning-databases/00296/

【问题讨论】：

标签： java csv mahout random-forest

【解决方案1】：

使用 uniVocity-parsers 中的 CSV 解析器读取您的文件。

我快速浏览了您的文件，您可以很容易地将这些“否”、“是”和“无”值转换为布尔值/空值：

ObjectRowListProcessor rowProcessor = new ObjectRowListProcessor();

rowProcessor.convertFields(Conversions.toBoolean("yes", "no")).set("metformin-rosiglitazone","metformin-pioglitazone","change","diabetesMed","readmitted")); //and all other fields where this makes sense.

rowProcessor.convertFields(Conversions.toLowerCase(), Conversions.toNull("none", "?")).set("another field", "and another field");

CsvParserSettings parserSettings = new CsvParserSettings();
parserSettings.setRowProcessor(rowProcessor);
parserSettings.setHeaderExtractionEnabled(true);

CsvParser parser = new CsvParser(parserSettings);

//the rowProcessor will be executed here.
parser.parse(YOUR_INPUT_HERE);

List<Object[]> rows = rowProcessor.getRows();

如果您更喜欢带有注释的对象，您可以使用BeanListProcessor，详细说明为here。也许这对你来说是最好的方法。

披露：我是这个库的作者。它是开源免费的（Apache V2.0 许可）。

【讨论】：