信息增益计算文本文件？
我正在研究“使用信息增益，PCA和遗传算法进行文本分类”但是在对文档进行预处理 （词干，删除词，TFIDF）之后，混淆了如何提前获取信息增益部分。
我的文件包含单词和TFIDF值。
喜欢WORD – TFIDF VALUE
在一起（字） – 0.235（tfidf值）
来（字） – 0.2548（tfidf值）
当使用weka获取信息时（“ InfoGainAttributeEval.java ”），它需要.arff文件格式作为输入。
有没有将文本文件转换为.arff格式。 或任何其他方式预先形成除weka以外的信息收益？
是否还有其他开源用于计算文档的信息收益？
我找到了答案。 在这里我们必须生成arff文件。
在.arff文件中
@RELATION部分将包含预处理后整个文档中的所有单词。每个单词都是真实的，因为tfidf值是一个实数值。
@data部分将包含在预处理期间计算的tfidf值。 例如，首先将包含tfidf值，所有单词出现在第一个文档中，最后是colunm文档分类。
@RELATION filename @ATTRIBUTE word1 real @ATTRIBUTE word2 real @ATTRIBUTE word3 real . . . .so on @ATTRIBUTE class {cacm,cisi,cran,med} @data 0.5545479562,0.27,0.554544479562,0.4479562,cacm 0.5545479562,0.27,0.554544479562,0.4479562,cacm 0.55454479562,0.1619617,0.579562,0.5542,cisi 0.5545479562,0.27,0.554544479562,0.4479562,cisi 0.0,0.2396113617,0.44479562,0.2,cran 0.5545479562,0.27,0.554544479562,0.4479562,carn 0.5545177444479562,0.26196113617,0.0,0.0,med 0.5545479562,0.27,0.554544479562,0.4479562,med 生成此文件后，您可以将此文件作为InfoGainAttributeEval.java输入。 这对我有用。