如何将包含时间戳等的CSV文件输入到mahout中以实现相似度功能等?

目前,我正在尝试将我的数据输入以进行机器学习实验,数据如下所示,包含三列(第一列是时间,第二列是代码,第三列是数字):

2016-06-05 00:00:00      fd04:bd3:80e8:2:215:8d00:35:ca4b   02016-06-05 00:00:00      fd04:bd3:80e8:2:215:8d00:35:f2be   0.125492016-06-05 00:00:00      fd04:bd3:80e8:2:215:8d00:35:c8a1   0.140912016-06-05 00:00:01      fd04:bd3:80e8:2:215:8d00:35:ca4b   02016-06-05 00:00:01      fd04:bd3:80e8:2:215:8d00:35:f2be   0.250982016-06-05 00:00:01      fd04:bd3:80e8:2:215:8d00:35:c8a1   02016-06-05 00:00:02      fd04:bd3:80e8:2:215:8d00:35:ca4b   02016-06-05 00:00:02      fd04:bd3:80e8:2:215:8d00:35:f2be   0.25098

以下是将数据导入mahout的代码:

我如何实现分类功能等?请告诉我。非常感谢!


回答:

您的输入文件格式不符合FileDataModel的要求。如果您查看源代码,您会发现它期望的是:

userID,itemID,timestamp

这与您看到的java.lang.NumberFormatException错误相符。它期望userID是一个long类型,而您提供的是一个格式化的日期。

另外,请注意timestamp也应该是一个long类型。源代码中的文档表明,如果您不想将所有日期转换为毫秒,您可以提供自己的函数来解析日期,只需重写readTimestampFromString(String)方法即可。

因此,您需要重新格式化数据以适应这个类,或者扩展它并重写相关方法以正确解析数据(如果可能的话)。

Related Posts

L1-L2正则化的不同系数

我想对网络的权重同时应用L1和L2正则化。然而,我找不…

使用scikit-learn的无监督方法将列表分类成不同组别,有没有办法?

我有一系列实例,每个实例都有一份列表,代表它所遵循的不…

f1_score metric in lightgbm

我想使用自定义指标f1_score来训练一个lgb模型…

通过相关系数矩阵进行特征选择

我在测试不同的算法时,如逻辑回归、高斯朴素贝叶斯、随机…

可以将机器学习库用于流式输入和输出吗?

已关闭。此问题需要更加聚焦。目前不接受回答。 想要改进…

在TensorFlow中,queue.dequeue_up_to()方法的用途是什么?

我对这个方法感到非常困惑,特别是当我发现这个令人费解的…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注