Weka--ARFF数据格式介绍和转换

简介

Weka 是一个由Java编写的开源免费的数据挖掘工具，全称怀卡托智能分析环境（Waikato Environment for Knowledge Analysis），它是基于JAVA环境下开源的机器学习（machine learning）以及数据挖掘（data mining）的软件，运行该工具需要安装Java环境。

Weka同时提供了命令行和GUI两种使用方式方式，前者效率更高，后者使用更简单。

软件安装

1. 下载并安装Java环境

参见教程：http://www.runoob.com/java/java-environment-setup.html

2.安装Weka

Windows上下载.exe安装后直接双击运行安装

官方网址：https://www.cs.waikato.ac.nz/ml/weka/

GUI

数据集介绍

在Weka中，一个数据集由 weka.core.Instances 实现。数据集中每个样例是由weka.core.Instance实现。每个样例由多个属性组成，其中简单的属性类型见表1。

表1：Weka数据集的简单属性
属性类型	描述	样例
列表型(nominal)	一组值得预定义列表	{1,2,3}, {good, bad}
数值型(numeric)	一个实数或者整数	12, 2.3, 50
字符串(string)	一个任意长的字符序列，包含在双引号内	"better", "worse"

除了简单属性，Weka还有附加类型的属性date和relational，将会在之后介绍。

Weka的数据集存储在ARFF格式的文件中，下面是一个ARFF文件的格式说明：

% This is a toy example, the UCI weather dataset.
% Any relation to real weather is purely coincidental.

@relation golfWeatherMichigan_1988/02/10_14days 
@attribute outlook {sunny, overcast, rainy}
@attribute windy {TRUE, FALSE}
@attribute temperature real
@attribute humidity real 
@attribute play {yes, no}

@data
sunny,FALSE,85,85,no
sunny,TRUE,80,90,no
overcast,FALSE,83,86,yes
rainy,FALSE,70,96,yes
rainy,FALSE,68,80,yes

以%开头的两行是注释，主要介绍该数据集的来源，内容和意义等；

@relation 是该数据集的关系名称；

@attribute 是该数据集每个实例的属性说明，上例中共有5个属性，其中3个列表型属性，2个数值型属性，没有字符串型属性；

@data 下面行就是数据集内容，每行代表一个实例，每个实例由5个之前定义过的属性。

在Weka中，默认将每个样例的最后一个属性认为是类别/标记属性，在上例中，类别属性是play，通过前4个属性来判断play是yes或者no。当然也可以通过参数 -c 来自己指定类别属性。Weka中属性的索引从1开始编号，例如，-c 1 将指定第一个属性即outlook为类别属性。

通过 weka.core.Instances 类可以统计 ARFF数据集的一些基本信息，命令行参数为：

java weka.core.Instances weather.arff

结果如下：

可以看到该数据集的名称，样例数目，属性数目，每个属性的类型，有误属性丢失等统计信息。

weka.core提供了一些别的有用的程序，如converters.C45Loader 和 converters.CSVLoader 能够分别导入C45数据集和CSV格式的数据集并将其转换为ARFF格式，命令如下：

java weka.core.converters.CSVLoader data.csv > data.arff
java weka.core.converters.C45Loader c45_filestem > data.arff

未完待续...

Weka--ARFF数据格式介绍和转换

猜你喜欢