تالار گفتمان مانشت

سلام میخوام یک datasetکه Text هست رو به فرمت csv تبدیل کنم کسی نرم افزار یا راه حلی سراغ داره؟ چون حجم دیتاست زیاد بود باسایت به صورت آنلاین نشد.

csv هم متنیه دیگه. میخواید چیکار کنید مگه؟

sample تکست از این دیتاست چیه؟شاید با تغییر نام فایل از file.txt به file.csv مشکل رفع شه.(اگه فرمت بندی ساده ای داشته ای باشه)

یک دیتاست که تقریبا 8000تایی فایل textداره که میخوایم به عنوان ورودی به برنامه هدوپ یا به عبارتی ماهوتmahout بدیم.

...

ما یک دیتاست که مربوط به ایمیل می باشد و شامل دو بخش تست و آموزش هست ما میخوایم با استفاده از کلاس بندی (با mahoutدر hadoop) بگیم ایمیل موجود مربوط به spam است یا not spam. روش کلاس بندی هم میتونه بیز یا .. باشه فرقی نمیکنه.

csv هر سطرش یک رکورد می گیره که فیلد هاش با , از هم جدا شده اند.

فیلد های این فایل csv چیا باید باشه؟

آیا به غیر از کپی پیست از فایل تکست نیاز به کانورت دیتا هم هست؟

به عبارت دیگه اگه دستی بخوای این فایل رو به csv تبدیل کنی چکار باید کرد؟

همون کار رو آدم code میزنه دیگه(جاوا پایتون بش و ...)

فیلد های این فایل csv چیا باید باشه؟
فرستنده و نوع ایمیل و موضوع و ..
اما نمیدونم برای ورودی mahout حتما باید csv باشه؟ آخی با پسوند اصلی این فایل های متنی کهeml هست وارد mahout میخوام اجرا کنم نمیشه (به هر روشی). میگم شاید پسوندش باید csv باشه و از طرفی تعداد کمی از فایل ها رو بهcsv تبدیل کردم درست جواب نمیده نمیدونم چون تعدادش کمه یا.... نمیدونم. خلاصه نمیدونم باید چیکارکنم کسی هم نیست بپرسم ازش.

جای تو باشم از گوگل می پرسم.

کتاب Learning Apache Mahout Classification فصل 9

از
مهمان عزیز شما قادر به مشاهده پیوندهای انجمن مانشت نمی‌باشید. جهت مشاهده پیوندها ثبت نام کنید.
بگیر ۴مگابایته

دوست عزیز شما می خای اسپم یا غیر اسپم بودن یکسری داده رو تشخیص بدی!؟ درست منظورتون رو گرفتم.
شما باید از این ویژگی استخراج کنی! این رو یک مطالعه داشته باشید:

مهمان عزیز شما قادر به مشاهده پیوندهای انجمن مانشت نمی‌باشید. جهت مشاهده پیوندها ثبت نام کنید.

این برای استخراج ویژگی ...

جهت سوالاتتون می تونید عضو اینجا بشید و بپرسید، دوستان این سایت واقعا در این زمینه عالی هستند.

مهمان عزیز شما قادر به مشاهده پیوندهای انجمن مانشت نمی‌باشید. جهت مشاهده پیوندها ثبت نام کنید.