java使用Mahout 0.10将CSV文件转换为序列，以便使用随机林进行分类

Question

我有一个CSV文件，我想将其转换为SequenceFile，用于使用随机森林算法的分类任务。我如何使用 mahout 0.10和netbeans

我的数据包含数值和标称值： http://archive.ics.uci.edu/ml/machine-learning-databases/00296/

Answer 1

使用uniVocity-parsers中的CSV解析器读取文件

我快速查看了您的文件，您可以非常轻松地将这些“否”、“是”和“无”值转换为布尔值/空值：

ObjectRowListProcessor rowProcessor = new ObjectRowListProcessor();

rowProcessor.convertFields(Conversions.toBoolean("yes", "no")).set("metformin-rosiglitazone","metformin-pioglitazone","change","diabetesMed","readmitted")); //and all other fields where this makes sense.

rowProcessor.convertFields(Conversions.toLowerCase(), Conversions.toNull("none", "?")).set("another field", "and another field");

CsvParserSettings parserSettings = new CsvParserSettings();
parserSettings.setRowProcessor(rowProcessor);
parserSettings.setHeaderExtractionEnabled(true);

CsvParser parser = new CsvParser(parserSettings);

//the rowProcessor will be executed here.
parser.parse(YOUR_INPUT_HERE);

List<Object[]> rows = rowProcessor.getRows();

如果您更喜欢带有注释的对象，可以使用BeanListProcessor作为详细说明here。也许这对你来说是最好的方法

披露：我是这个图书馆的作者。它是开源和免费的（Apache V2.0许可证）