我正在尝试使用WEKA库制作SMS SPAM分类器。我有一个带有“标签”和“文本”标题的CSV文件。当我使用下面的代码,它创建了一个ARFF文件有两个属性:如何将属性类型更改为字符串(WEKA - CSV到ARFF)
@attribute label {ham,spam}
@attribute text {'Go until jurong point','Ok lar...', etc.}
目前,似乎文本属性格式化为一个值,每封邮件的文本标称属性。但是我需要text属性是一个String属性,而不是所有实例中所有文本的列表。将text属性作为String将允许我使用StringToWordVector过滤器来训练分类器。
// load CSV
CSVLoader loader = new CSVLoader();
loader.setSource(new File(args[0]));
Instances data = loader.getDataSet();
// save ARFF
ArffSaver saver = new ArffSaver();
saver.setInstances(data);
saver.setFile(new File(args[1]));
saver.setDestination(new File(args[1]));
saver.writeBatch();
我知道我可以这样创建一个字符串属性:
Attribute tmp = new Attribute("tmp", (FastVector) null);
但我不知道如何来取代目前的属性,或CSV阅读之前设置的属性类型。
我试着插入一个新的字符串属性并删除当前的名义属性,但是这会删除所有的SMS文本。我也尝试使用renameAttributeValue,但这似乎不适用于更改属性类型。
编辑: 我怀疑这NominalToString filter将做的工作,但我不知道如何使用它。
任何建议将不胜感激。谢谢!