gpt4 book ai didi

java - Weka CSVloader - 错误(值的数量错误。读取)

转载 作者:行者123 更新时间:2023-12-02 10:49:23 27 4
gpt4 key购买 nike

我正在尝试使用 weka 将 CSV 转换为 ARFF。但它会弹出那些错误消息。

weka.core.converters.CSVLoaderfailed to lead <my file>
Reason:
wrong number of values. Read 7, expected 9, read Token[EOL], line 26

我尝试替换 "' , % 这些特殊字符,但也保持不变。

有什么想法吗?

https://drive.google.com/open?id=1__u9SGOxd-ShU9Eei3tDjZ9s1MxzKEKZ链接的文件

最佳答案

简短回答:

值内部的换行符是问题所在。将它们替换为其他内容,例如空格。

长答案:

问题是您的值包含换行符(\n 等),并且 Weka 的 CSVLoader 无法处理它。第 26 行是文件中包含此类换行符的第一行,但 CSVLoader 在仅读取 7 个字段后认为该行在此结束。

看看 source code :

private void initTokenizer(StreamTokenizer tokenizer) {
tokenizer.resetSyntax();
tokenizer.whitespaceChars(0, (' ' - 1));
tokenizer.wordChars(' ', '\u00FF');
tokenizer.whitespaceChars(m_FieldSeparator.charAt(0),
m_FieldSeparator.charAt(0));
// tokenizer.commentChar('%');

String[] parts = m_Enclosures.split(",");
for (String e : parts) {
if (e.length() > 1 || e.length() == 0) {
throw new IllegalArgumentException(
"Enclosures can only be single characters");
}
tokenizer.quoteChar(e.charAt(0));
}

tokenizer.eolIsSignificant(true); // <--- This line is important
}

最后一行基本上表示分词器应将行尾 (EOL) 视为特殊字符(请参阅 API doc ):

If the flag is false, end-of-line characters are treated as white space and serve only to separate tokens.

CSVLoader 的 getInstance 方法包含以下逻辑(摘要):

private String getInstance(StreamTokenizer tokenizer) throws IOException {  

// [...]

boolean first = true;
boolean wasSep;
m_current.clear();

int i = 0;
while (tokenizer.ttype != StreamTokenizer.TT_EOL
&& tokenizer.ttype != StreamTokenizer.TT_EOF) {

// Get next token
if (!first) {
StreamTokenizerUtils.getToken(tokenizer);
}

if (tokenizer.ttype == m_FieldSeparator.charAt(0)
|| tokenizer.ttype == StreamTokenizer.TT_EOL) {
m_current.add("?");
wasSep = true;
} else {
// Parsing values
// [...]
}

if (!wasSep) {
StreamTokenizerUtils.getToken(tokenizer);
}
first = false;
i++;
}

// check number of values read
if (m_current.size() != m_structure.numAttributes()) {
for (Object o : m_current) {
System.out.print(o.toString() + "|||");
}
System.out.println();
StreamTokenizerUtils.errms(tokenizer, "wrong number of values. Read "
+ m_current.size() + ", expected " + m_structure.numAttributes());

}
// [...]
}

因此,无论换行符是否在引号内,标记生成器都将始终将其视为 StreamTokenizer.TT_EOL,这会结束读取记录,因此最终得到的字段少于预期。

关于java - Weka CSVloader - 错误(值的数量错误。读取),我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/52286909/

27 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com