轉換CSV到ARFF

Question

我對數據挖掘，我們從kaggle給CSV數據的一所學校項目的工作（這是怎樣的數據看起來（2線出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 

和我們必須得到.arff格式才能在weka中使用。我manualy輸入的報頭（107個屬性）

@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} 

，我得到這個錯誤：

}預計在統計結束閱讀令牌EOL

然後我試圖使用WEKA轉換器，但它給我一個錯誤

values.Read 2數目錯誤，預期1，讀令牌[EOL]，第4行問題在線遇到：3

Answer 1

這是我做的： 從Kaggle，我下載了train.csv（5568實例，最高ID號碼6960）。

我沒有使用轉換器 - 剛剛加載它到了Weka Explorer作爲一個CSV文件。一些問題及其解決方案：

1. 第3行：「學士學位」的第一個例子。它不喜歡那個單引號（「第3行，第7行，預計108」）。擺脫了所有單引號（在文本編輯器中使用全局替換）。然後我試着再次將它載入Weka。
2. 的文件不具有CR最後一行，這導致錯誤的末尾（鍵盤上的回車鍵）（「上線5569爲空」）。我又在文本編輯器中添加了一個。然後我將它加載到Weka中，並查看了變量。
3. YOB（出生年份）丟失約300的情況下，用「NA」填寫。因此，它沒有評估爲字符串或數字。將這些編輯爲空單元格。然後我把它裝入Weka。
4. 而且，當然，移動爲另一方的類變量（末尾）。我在Weka做過這個。

5. 保存這個作爲train.arff

6. 早在加載它，它似乎工作確定。我使用OneR分類器生成了51％的準確度，但您不希望OneR分類器在此處運行良好。我相信你可以做得更好。

注意我沒有做任何手動輸入標題。這一定是需要一段時間的！

祝你好運！