Weka StringToWordVector 属性省略

Question

我正在与 Weka 合作。我的问题是，使用 StringToWordVector 后省略了一些属性。所以这是我的代码：

这是使用任何过滤器之前的 ARFF 文件：

@relation QueryResult

@attribute class {Qualität,Bord,Kite,Harness}
@attribute text {evo,foil,end,fin,edg}

@data
Qualität,evo
Bord,foil
Kite,end
Harness,fin
Qualität,edg 

这是我的java代码：

 Instances train = new Instances(loadInstancesForWeka("root","",sqlCommand));
 train.setClassIndex(train.numAttributes() - 2);
 System.out.println(train);

 NominalToString filter1 = new NominalToString();
 filter1.setInputFormat(train);
 train = Filter.useFilter(train, filter1);
 System.out.println("\nSelect nach NominaltoString \n"+train); 

 //filter
 StringToWordVector filter = new StringToWordVector(); 
 filter.setInputFormat(train);
 train = Filter.useFilter(train, filter);

使用 Vector 后是这样的：

@relation 'QueryResult-weka.filters.unsupervised.attribute.NominalToString-Clast-weka.filters.unsupervised.attribute.StringToWordVector-R2-W1000-prune-rate-1.0-N0-stemmerweka.core.stemmers.NullStemmer-stopwords-handlerweka.core.stopwords.Null-M1-tokenizerweka.core.tokenizers.WordTokenizer -delimiters \" \\r\\n\\t.,;:\\\'\\\"()?!\"'

@attribute class {Qualität,Bord,Kite,Harness}
@attribute edg numeric
@attribute evo numeric
@attribute foil numeric
@attribute end numeric
@attribute fin numeric

@data
{2 1}
{0 Bord,3 1}
{0 Kite,4 1}
{0 Harness,5 1}
{1 1} 

那么为什么省略了“foil,end,fin”属性呢？感谢您的帮助。

Answer 1

您的输出中没有遗漏任何属性。输出在sparse ARFF format:

稀疏 ARFF 文件与 ARFF 文件非常相似，但数据具有值 0 没有明确表示。 ...

每个实例都被包围 花括号，每个条目的格式为：
[index] [space] [value] 其中index 是属性索引（从 0 开始）。

所以对于您示例中的第三个实例，

{0 Kite,4 1}

表示此实例的属性0为Kite，属性4（即'end'）为1，其他属性为0。

StringToWordVector 产生稀疏输出是有意义的，因为它创建了许多新属性，其中每个实例的大多数属性都为 0。如果您需要非稀疏版本，您可以使用weka.filters.unsupervised.instance.SparseToNonSparse。