技术求助：将波士顿房价数据集列转为2D float向量行并分离最后一列

核心代码实现 #

首先实现字符串分割函数，用于处理制表符分隔的字段：

#include <iostream>
#include <fstream>
#include <vector>
#include <sstream>
#include <string>
#include <stdexcept>

using namespace std;

vector<string> split(const string& s, char delim) {
    vector<string> tokens;
    string token;
    istringstream tokenStream(s);
    while (getline(tokenStream, token, delim)) {
        if (!token.empty()) {
            tokens.push_back(token);
        }
    }
    return tokens;
}

然后实现文件读取函数，收集所有数据行：

vector<vector<float>> read_all_rows(const string& filename) {
    vector<vector<float>> data;
    ifstream file(filename);
    if (!file.is_open()) {
        cerr << "无法打开文件: " << filename << endl;
        return data;
    }

    string line;
    // 跳过表头（数据集第一行通常是列名，无数据则注释此行）
    getline(file, line);

    while (getline(file, line)) {
        vector<string> tokens = split(line, '\t');
        vector<float> row;
        try {
            for (const string& token : tokens) {
                row.push_back(stof(token));
            }
        } catch (const invalid_argument& e) {
            cerr << "字段转换失败: " << token << " 不是有效数值" << endl;
            return {};
        } catch (const out_of_range& e) {
            cerr << "字段数值超出范围: " << token << endl;
            return {};
        }
        if (!row.empty()) {
            data.push_back(row);
        }
    }
    file.close();
    return data;
}

按需求处理数据（列转2D vector行 + 单独存储最后一列） #

int main() {
    string filename = "boston_housing.txt"; // 替换为你的数据集文件路径
    auto all_data = read_all_rows(filename);
    if (all_data.empty()) {
        return 1;
    }

    int num_cols = all_data[0].size();
    if (num_cols < 2) {
        cerr << "数据集列数不足，无法分离特征与标签" << endl;
        return 1;
    }

    // 每一列作为2D vector的一行
    vector<vector<float>> feature_columns(num_cols - 1);
    vector<float> labels;

    for (const auto& row : all_data) {
        // 填充特征列向量
        for (int i = 0; i < num_cols - 1; ++i) {
            feature_columns[i].push_back(row[i]);
        }
        // 提取最后一列作为标签
        labels.push_back(row.back());
    }

    // 验证输出（可根据需要删除）
    cout << "特征列总数: " << feature_columns.size() << endl;
    cout << "第一特征列的首个数值: " << feature_columns[0][0] << endl;
    cout << "标签总数: " << labels.size() << endl;
    cout << "首个标签值: " << labels[0] << endl;

    return 0;
}

补充：常规机器学习样本格式（行作为样本） #

如果你的实际需求是每行作为一个样本（2D vector的行是单个样本的所有特征），可替换main函数中的数据处理部分为：

int main() {
    string filename = "boston_housing.txt";
    auto all_data = read_all_rows(filename);
    if (all_data.empty()) {
        return 1;
    }

    vector<vector<float>> features;
    vector<float> labels;

    for (const auto& row : all_data) {
        // 提取当前行前n-1个字段作为特征
        vector<float> sample_features(row.begin(), row.end() - 1);
        features.push_back(sample_features);
        // 提取最后一个字段作为标签
        labels.push_back(row.back());
    }

    // 验证输出
    cout << "样本总数: " << features.size() << endl;
    cout << "单个样本特征数: " << features[0].size() << endl;
    cout << "标签总数: " << labels.size() << endl;

    return 0;
}

注意事项 #

• 确保数据集文件是制表符分隔，如果是逗号分隔，将split函数中的分隔符改为','
• 如果数据集没有表头，删除read_all_rows函数中跳过表头的getline(file, line);语句
• 处理大文件时可优化内存占用，避免一次性读取所有行（按需逐行处理并填充目标向量）

内容的提问来源于stack exchange，提问作者mchaudh4