在R中读取arff文件

Question

我想使用R从带有Amazon评论的UCI中阅读一个数据集。

数据集的格式为ARFF (.arff)。

我使用以下脚本：

require("foreign")
setwd("H:/DataSet/amazon")
reviews <- read.arff("amazon.arff")

我得到了以下错误

Read.arff中的错误(“amazon.arff”)：无效的属性规范。

谢谢你的帮助。

Answer 1

我想您是指UCI机器学习库中的"Amazon评论集数据集“。就连Weka也不能打开这个数据集，他说

"...not被识别为'Arff数据文件‘文件。.属性名并不是唯一的。“

如果您查看该文件，就会看到许多类似于

@attribute '\'\'\'\'\'\'\'\'\'\'r\'\'\'\'\'\'\'\'\'\'\'' numeric

所以文件出了问题，这不是R或任何“Arff”读取例程的错误。您应该询问dataset创建者，该创建者的名称和电子邮件地址都提供在描述页上。

Answer 2

我找到了让Weka打开.arff文件的解决方案。

无法确定结构为arff (原因: java.lang.illegalArgumentException:属性名不是唯一的！)原因:不‘我’类‘))。

它不是类似于@attribute "'\'\'\'\'\'\'\'\'\'\'r\'\'\'\'\'\'\'\'\'\'\'‘数值的属性“。

如果您在文本编辑器中打开arff文件(我使用了TextMate)，您将找到罪魁祸首。(在文本伴侣中，他们显示< NUL >)

• @ g_b数字@属性T数值@属性@数字@属性T数值@属性rne数值@属性T数值@属性T数值

您可以使用control搜索'I‘'T’和'Th‘的属性，但是为了加快搜索速度，这里有3个易于搜索的属性，它们接近问题站点。

我要搜索“t_wo”，

“Th”搜索“ff_”

对于'T‘搜索'x_’(这个属性将在上面)

您不能简单地删除它们，因为无法知道哪些数字适用，所以我建议将它们重命名为T2-4，I2-4 Th2-4。还需要将属性“class”重命名为“class1”

Answer 3

在您的特殊情况下，dataset有一些问题，我无法读取它。

不确定它是否有用，但是如果您想使用R读取.arff文件，则可以使用RWeka包来完成另一种方法。

包有一些依赖关系: rJava (注1)和RWekajars。

然后，通过使用以下脚本，您将能够读取数据集(注2)：

library(rJava)
library("RWeka")
x <- read.arff(file= "amazon.arff")

我还没有对您的数据集进行专门的尝试(由于数据集的问题)，但是在使用iris.arff数据集时，它运行得很好(当然，需要更改文件的名称)。

Notes

1. 如果您在rJava包中有任何错误，我对另一个问题的回答可能对你有帮助。。
2. 确保在文件所在的文件夹中运行脚本。一种方法是在RStudio中创建一个新项目，将数据集保存在项目的目录中，然后运行所需的脚本。