省略了Weka StringToWordVector属性

Question

我正在和Weka一起工作。我的问题是，使用StringToWordVector后会省略一些属性。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，它看起来像这样：

@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“箔，末端，翅片”的属性呢？谢谢您的帮助。

Answer 1

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，但未明确表示值为0的数据。 ...

每个实例都用大括号括起来，每个条目的格式为： [index] [space] [value]其中index是属性索引（从0开始）。

所以对于你的例子中的第三个例子，

{0 Kite,4 1}

表示此实例的属性0是Kite，属性4（即'end'）是1，其他属性是0。

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