poster
2019-12-10, 20:48
我正在为MATLAB格式的文本分类任务寻找可靠的数据集。我想进行一些实验，不想在预处理文本和创建特征向量上花费太多时间。我需要准备一些东西，以便可以将其插入算法中。我在这里找到了路透社数据集的MATLAB文件： 链接文本 (http://www.zjucadcg.cn/dengcai/Data/TextData.html)
一切准备就绪，但我想使用其中的一部分。在此“特征”中包含每个文档的特征向量。但是，它似乎不是正常矩阵。例如，我想在此“功能”中选择前1000个文档。如果只下载并将其加载到MATLAB中，您将明白我的意思。因此，如果可能，我需要上述数据集或任何其他数据集的解决方案。提前致谢。
回答：
它存储为稀疏矩阵 (http://www.mathworks.com/help/techdoc/math/f6-32006.html) 。提取前1000个文档（行），如果有足够的空间，则可以将其转换为完全密集的矩阵：
load Reuters21578.mat TF = full( fea(1:1000,:) ); 让我们检查一下我们拥有的变量：
>> whos Name Size Bytes Class Attributes TF 1000x18933 151464000 double fea 8293x18933 4749196 double sparse gnd 8293x1 66344 double testIdx 2347x1 18776 double trainIdx 5946x1 47568 double 因此您可以看到TF现在约为150MB。
除此之外，其余内容不言自明：
fea ：术语频率矩阵，行是文档，列是术语
gnd ：每个文档的类别，其中numel(unique(gnd)) == 65
trainIdx / testIdx ：出于分类目的对实例（文档）进行拆分，包含行的索引，用作： tr = fea(trainIdx,:); tt = fea(testIdx,:);
更多&回答... (https://stackoverflow.com/questions/4314740)
一切准备就绪，但我想使用其中的一部分。在此“特征”中包含每个文档的特征向量。但是，它似乎不是正常矩阵。例如，我想在此“功能”中选择前1000个文档。如果只下载并将其加载到MATLAB中，您将明白我的意思。因此，如果可能，我需要上述数据集或任何其他数据集的解决方案。提前致谢。
回答：
它存储为稀疏矩阵 (http://www.mathworks.com/help/techdoc/math/f6-32006.html) 。提取前1000个文档（行），如果有足够的空间，则可以将其转换为完全密集的矩阵：
load Reuters21578.mat TF = full( fea(1:1000,:) ); 让我们检查一下我们拥有的变量：
>> whos Name Size Bytes Class Attributes TF 1000x18933 151464000 double fea 8293x18933 4749196 double sparse gnd 8293x1 66344 double testIdx 2347x1 18776 double trainIdx 5946x1 47568 double 因此您可以看到TF现在约为150MB。
除此之外，其余内容不言自明：
fea ：术语频率矩阵，行是文档，列是术语
gnd ：每个文档的类别，其中numel(unique(gnd)) == 65
trainIdx / testIdx ：出于分类目的对实例（文档）进行拆分，包含行的索引，用作： tr = fea(trainIdx,:); tt = fea(testIdx,:);
更多&回答... (https://stackoverflow.com/questions/4314740)