Skip to content

Latest commit

 

History

History
48 lines (41 loc) · 1.35 KB

data_format.md

File metadata and controls

48 lines (41 loc) · 1.35 KB

Angel数据格式

1 libsvm格式

每行文本表示一个样本,每个样本的格式为

label index1:value1 index2:value1 index3:value3 ...

其中

  • label字段:
    • 字段类型:Int
    • 当输入数据是训练数据,label为样本的标签,二分类算法label是{0, 1},多分类算法label是{0, 1, 2, ..., n} ;
    • 当输入数据是预测数据,label是样本的index;
  • index:value字段:
    • 特征index对应的value,index类型为Int,value类型为Double
    • 特征的index,从0开始计数
  • 与标准的libsvm格式唯一的不同是:标准的libsvm要求index从1开始计数,而Angel的libsvm格式是从0开始计数。
# libsvm样例数据
 1 1:0.5 3:3.1 7:1.0
 0 2:0.1 3:2.3 5:2.0
 1 4:0.2 7:1.1 9:0.0
    ....

2 dummy格式

每一行为一条记录(一个样本),每个字段以","分隔,每行的文本格式

"label,index1,index2,index3"
  • label字段
    • 字段类型:Int
    • 当输入数据是训练数据,label为样本的标签,二分类算法label是{0, 1},多分类算法label是{0, 1, 2, ..., n} ;
    • 当输入数据是预测数据,label是样本的index;
  • index字段
    • 字段类型:Int/Long
    • 特征的index,从0开始计数
    • 这些是特征值为1的index,其他的就是特征值为0的index
# 数据格式样例
0,3,7,999,666
1,0,2,88,77
  ...