Python Libsvm数据格式转为神经网络数据格式

Libsvm的数据格式label和样本特征是在一起的，如下所示：

label index1:feature1 index2:feature2 ...
label index1:feature1 index2:feature2 ...
label index1:feature1 index2:feature2 ...

举个例子：

而神经网络中label和样本特征是分开的。博主最近想将SVM分类器换成神经网络来试下效果，但是懒得重新跑提取特征的程序，就随手写了一个转换函数，直接上代码：

sample_n = 10000
feature_size = 50
def readSVM(filename):
    features = np.zeros([sample_n, feature_size])
    labels = np.zeros([sample_n])
    i = 0
    for line in open(filename, "r"):        #每次读取libsvm中的一行
        data = line.split(" ")              #根据空格拆分这一行
        labels[i] = int(float(data[0]))     #第一项为样本标签    
        values = []
        for feat in data[1:]:
            index, value = feat.split(":")  #将[index:value]拆分
            values.append(float(value))     #将value暂存
            if int(index) >= feature_size:
                break
        features[i,:] = values              #这一行的所有value作为这个样本的标签
        i = i + 1
    return features, labels