转换CSV到ARFF

Question

我对数据挖掘，我们从kaggle给CSV数据的一所学校项目的工作（这是怎样的数据看起来（2线出6970））：

4,1970,Female,150,DomesticPartnersKids,Bachelor's Degree,Democrat,,Yes,No,No,No,Yes,Public,No,Yes,No,Yes,No,No,Yes,Science,Study first,Yes,Yes,No,No,Receiving,No,No,Pragmatist,No,No,Cool headed,Standard hours,No,Happy,Yes,Yes,Yes,No,A.M.,No,End,Yes,No,Me,Yes,Yes,No,Yes,No,Mysterious,No,No,,,,,,,,,,Mac,Yes,Cautious,No,Umm...,No,Space,Yes,In-person,No,Yes,Yes,No,Yay people!,Yes,Yes,Yes,Yes,Yes,No,Yes,,,,,,,,,,,,,,,,,No,No,No,Only-child,Yes,No,No 
5,1997,Male,75,Single,High School Diploma,Republican,,Yes,Yes,No,,Yes,Private,No,No,No,Yes,No,No,Yes,Science,Study first,,Yes,No,Yes,Receiving,No,Yes,Pragmatist,No,Yes,Cool headed,Odd hours,No,Right,Yes,No,No,Yes,A.M.,Yes,Start,Yes,Yes,Circumstances,No,Yes,No,Yes,Yes,Mysterious,No,No,Tunes,Technology,Yes,Yes,Yes,Yes,No,Supportive,No,PC,No,Cautious,No,Umm...,No,Space,No,In-person,No,No,Yes,Yes,Grrr people,Yes,No,No,No,No,No,No,Yes,No,No,Yes,No,Own,Pessimist,Mom,No,No,No,No,Nope,Yes,No,No,No,Yes,No,Yes,No,Yes,No 

和我们必须得到.arff格式才能在weka中使用。我manualy输入的报头（107个属性）

@ATTRIBUTE user_id NUMERIC 
@ATTRIBUTE yob  NUMERIC 
@ATTRIBUTE gender {Male,Female} 
@ATTRIBUTE income {150,100,75,50,25,10} 
@ATTRIBUTE householdstatus {MarriedKids,Married,DomesticPartnersKids,DomesticPartners,Single,SingleKids} 
@ATTRIBUTE educationlevel {Bachelor's Degree,High School Diploma,Current K-12,Current Undergraduate,Master's Degree,Associate's Degree,Doctoral Degree} 
@ATTRIBUTE party {Democrat,Republican} 
@ATTRIBUTE Q124742 {Yes,No} 
@ATTRIBUTE Q124122 {Yes,No} 

，我得到这个错误：

}预计在统计结束阅读令牌EOL

然后我试图使用WEKA转换器，但它给我一个错误

values.Read 2数目错误，预期1，读令牌[EOL]，第4行问题在线遇到：3

Answer 1

这是我做的： 从Kaggle，我下载了train.csv（5568实例，最高ID号码6960）。

我没有使用转换器 - 刚刚加载它到了Weka Explorer作为一个CSV文件。一些问题及其解决方案：

1. 第3行：“学士学位”的第一个例子。它不喜欢那个单引号（“第3行，第7行，预计108”）。摆脱了所有单引号（在文本编辑器中使用全局替换）。然后我试着再次将它载入Weka。
2. 的文件不具有CR最后一行，这导致错误的末尾（键盘上的回车键）（“上线5569为空”）。我又在文本编辑器中添加了一个。然后我将它加载到Weka中，并查看了变量。
3. YOB（出生年份）丢失约300的情况下，用“NA”填写。因此，它没有评估为字符串或数字。将这些编辑为空单元格。然后我把它装入Weka。
4. 而且，当然，移动为另一方的类变量（末尾）。我在Weka做过这个。

5. 保存这个作为train.arff

6. 早在加载它，它似乎工作确定。我使用OneR分类器生成了51％的准确度，但您不希望OneR分类器在此处运行良好。我相信你可以做得更好。

注意我没有做任何手动输入标题。这一定是需要一段时间的！

祝你好运！