scala - 将 Scala countvectorizer 输出转换为 libsvm 格式

Question

嗨，我可以建议从 scala countvectorizer 输出：([label, (nVocab, [i1, i2, ...], [c1, c2, ...])]) 到 libsvm 格式的映射：(label, : : ...) ?

如果您将输入作为字符串，对于初学者，我不确定在哪里拆分以获取字段。

或者，是否有用于此的 scala 实用程序？谢谢，kvd

Answer 1

我想通了这一点。countVectorizer 输出可以转换为具有 [size, [indices], [values]] 的 sparseVecor 数据类型。索引和值数组可以压缩并以 libsvm 格式输出。

val countVec = vec(1).asInstanceOf[SparseVector]

经过进一步探索，事实证明我不需要这种转换。我可以使用 classLabel 和 sparseVector 创建一个带标签的点，然后直接传递给机器学习对象。

谢谢，kvd