指南：在中文环境下使用tinyxml进行数据导入

图 12.2 安装最多的扩展工具 12.6 获取数据 本章使用加州大学欧文分校机器学习库中的一个手机短信数据集，包含 5574 条短信 记录。您可以获取关于此短信数据集的更多信息，并在此处下载： – http://archive.ics.uci.edu/ml/datasets/SMS+Spam+Collection 　 此数据集中有 747 条垃圾短信被标记为“spam”，其余非垃圾短信被标记为“ham”， 该数据集是 tab 分隔的文本文件，每行表示一条短信记录，文件为 UTF-8 编码。 　 本章资源压缩包中提供此数据集的压缩包 smsspamcollection.zip 12.7 导入数据 以导入 csv 方式导入 SMSSpamCollection 文件 　 注意该文件以 tab 分隔符分隔，并且内容包含双引号，需要在导入向导的 2/5 步骤做 适当处理：Column Separation 选择“Tab”，关闭 Use Quotes 的复选框 　 导入向导第四步 – 改变属性 att1 的角色为“label”，这样 Rapidminer 便知道我们将使用此属性做预测。 – 改变属性 att2 的类型，由“polynomial”改变为“text”，这样告诉 RapidMiner 此属性 包含我们希望处理的文本数据。