【发布时间】：2013-09-12 20:14:14
【问题描述】：
我想对函数堆栈跟踪进行一些数据挖掘，为此我使用 libsvm 并以稀疏格式表示数据以提高处理速度，每个堆栈跟踪都是一个实例，变量是函数，即：
class1 F1,F2,F1,F456,F3
class2 F4,F4,F4,F56,F3000
...
在某个地方，我看到的独特函数的注册表不断增长，这就是函数索引的来源。理想情况下，我想使用稀疏格式来表示上述实例，并将其划分为 5 个变量，如下所示：
1 1:1 2:1 1:1 456:1 3:1
2 4:1 4:1 4:1 56:1 3000:1
这在 libsvm 的格式中是不可能的，所以我将总函数注册表的长度添加到每个组以避免索引冲突，如果我们假设总共有 3000 个函数：
1 1:1 3002:1 6001:1 9456:1 12003:1, this is how the first instance looks now
如果函数的数量没有改变，这可行，但情况并非如此，因为每次添加新函数，都必须重做整个事情。
我使用的是稀疏格式，但也欢迎对其他格式提出建议，我能够使用 Weka 以密集格式使用数据，使用函数名称作为变量，它可以工作，只是比使用 libsvm 慢得多
谢谢！
【问题讨论】：
标签： machine-learning format svm sparse-matrix libsvm