我想执行 SVM light 和 SVMrank，
所以我需要将我的数据处理成SVM light的格式。
但是我遇到了一个大问题......
我的Python代码如下:
import pandas as pd
import numpy as np
from sklearn.datasets import dump_svmlight_file
self.df = pd.DataFrame()
self.df['patent_id'] = patent_id_list
self.df['Target'] = class_list
self.df['backward_citation'] = backward_citation_list
self.df['uspc_originality'] = uspc_originality_list
self.df['science_linkage'] = science_linkage_list
self.df['sim_bc_structure'] = sim_bc_structure_list
self.df['claim_num'] = claim_num_list
self.qid = dataset_list
X = self.df[np.setdiff1d(self.df.columns, ['patent_id','Target'])]
y = self.df.Target
dump_svmlight_file(X,y,'test.dat',zero_based=False, query_id=self.qid,multilabel=False)
输出文件“test.dat”如下所示:
但真实的数据是这样的:
我的索引错误......
以第一个例子为例，第1列的值为7，第2~4列的值为0，第5列的值为2....
所以我的预期结果是这样的:
1 qid:1 1:7 5:2
但是输出文件的列索引完全错误......
不幸的是......我无法弄清楚问题发生在哪里......
我很长时间都无法解决这个问题......
感谢您的帮助!!
最佳答案
我更改了数据结构，我使用 np.array 来生成类似数组的输入。 终于，我成功了!
关于Python sklearn.datasets.dump_svmlight_file 未能输出列的正确索引，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/36341320/