如何自己做搜索网站,福州企业公司网站建设,专业的公司网站开发,河北省网站备案步骤关于arff,主要涉及三个输入类#xff1a;概念、实例和属性。 1.概念简单而言就是需要被处理的东西#xff0c; 2. 实例这个词有些陌生#xff0c;但是可以大致认为其为样本#xff0c; 3. 属性就是数据表中的一列。 为什么要用arff#xff1f;#xff08;arff介绍#x…关于arff,主要涉及三个输入类概念、实例和属性。 1.概念简单而言就是需要被处理的东西 2. 实例这个词有些陌生但是可以大致认为其为样本 3. 属性就是数据表中的一列。 为什么要用arffarff介绍 虽然Weka也支持其他一些格式的文件但是ARFF格式是支持的最好的。是weka数据挖掘开源程序使用的一种文件模式这是一种ASCII文本文件因此有必要在数据处理之前把数据集的格式转换成ARFF。 ARFF文件数据格式
WEKA存储数据的格式是ARFFAttribute-Relation File Format文件这是一种ASCII文本文件。下载安装后Weka的安装目录会自带ARFF文件在WEKA安装目录的“data”子目录下可以找到“weather.arff”文件。文件内容如下
relation weatherattribute outlook {sunny, overcast, rainy}
attribute temperature numeric
attribute humidity numeric
attribute windy {TRUE, FALSE}
attribute play {yes, no}data
sunny,85,85,FALSE,no
sunny,80,90,TRUE,no
overcast,83,86,FALSE,yes
rainy,70,96,FALSE,yes
rainy,68,80,FALSE,yes
rainy,65,70,TRUE,no
overcast,64,65,TRUE,yes
sunny,72,95,FALSE,no
sunny,69,70,FALSE,yes
rainy,75,80,FALSE,yes
sunny,75,70,TRUE,yes
overcast,72,90,TRUE,yes
overcast,81,75,FALSE,yes
rainy,71,91,TRUE,no文件说明
识别ARFF文件的重要依据是分行因此不能在这种文件里随意的断行。空行或全是空格的行将被忽略。
以“%”开始的行是注释WEKA将忽略这些行。如果你看到的“weather.arff”文件多了或少了些“%”开始的行是没有影响的。
除去注释后整个ARFF文件可以分为两个部分。第一部分给出了头信息Head information包括了对关系的声明和对属性的声明。第二部分给出了数据信息Data information即数据集中给出的数据。从“data”标记开始后面的就是数据信息了。
1.关系声明 关系名称在ARFF文件的第一个有效行来定义格式为 relation relation-name relation-name是一个字符串。如果这个字符串包含空格它必须加上引号指英文标点的单引号或双引号。
2.属性声明 属性声明用一列以“attribute”开头的语句表示。数据集中的每一个属性都有它对应的“attribute”语句来定义它的属性名称和数据类型。 这些声明语句的顺序很重要。首先它表明了该项属性在数据部分的位置。例如“humidity”是第三个被声明的属性这说明数据部分那些被逗号分开的列中第三列数据 85 90 86 96 … 是相应的“humidity”值。其次 最后一个声明的属性被称作 class 属性在分类或回归任务中它是默认的目标变量。
属性声明的格式为 attribute attribute-name datatype 其中attribute-name是必须以字母开头的字符串。和关系名称一样如果这个字符串包含空格它必须加上引号。 WEKA支持的datatype有四种分别是 numeric-------------------------数值型 nominal-specification-----分类nominal型 string----------------------------字符串型 date [date-format]--------日期和时间型 其中nominal-specification 和date-format 将在下面说明。还可以使用两个类型“integer”和“real”但是WEKA把它们都当作“numeric”看待。注意“integer”“real”“numeric”“date”“string”这些关键字是区分大小写的而“relation”“attribute ”和“date”则不区分。 数值属性 数值型属性可以是整数或者实数但WEKA把它们都当作实数看待。 分类属性 分类属性由nominal-specification列出一系列可能的类别名称并放在花括号中{nominal-name1, nominal-name2, nominal-name3, …} 。数据集中该属性的值只能是其中一种类别。 例如如下的属性声明说明“outlook”属性有三种类别“sunny”“ overcast”和“rainy”。而数据集中每个实例对应的“outlook”值必是这三者之一。 attribute outlook {sunny, overcast, rainy} 如果类别名称带有空格仍需要将之放入引号中。 字符串属性 字符串属性中可以包含任意的文本。这种类型的属性在文本挖掘中非常有用。 示例 ATTRIBUTE LCC string 日期和时间属性 日期和时间属性统一用“date”类型表示它的格式是 attribute name date [date-format] 其中name是这个属性的名称date-format是一个字符串来规定该怎样解析和显示日期或时间的格式默认的字符串是ISO-8601所给的日期时间组合格式“ yyyy-MM-dd T HH:mm:ss ”。 数据信息部分表达日期的字符串必须符合声明中规定的格式要求下文有例子。
数据信息 数据信息中“data”标记独占一行剩下的是各个实例的数据。
每个实例占一行。实例的各属性值用逗号“,”隔开。 如果某个属性的值是缺失值 missing value 用问号 “?” 表示且这个问号不能省略。例如
data
sunny,85,85,FALSE,no
?,78,90,?,yes 字符串属性和分类属性的值是区分大小写的。若值中含有空格必须被引号括起来。例如 relation LCCvsLCSH attribute LCC string attribute LCSH string data AG5, Encyclopedias and dictionaries.;Twentieth century. AS262, Science -- Soviet Union -- History. 日期属性的值必须与属性声明中给定的相一致。例如 RELATION Timestamps ATTRIBUTE timestamp DATE yyyy-MM-dd HH:mm:ss DATA 2001-04-03 12:12:12 2001-05-03 12:59:55 稀疏数据 有的时候数据集中含有大量的0值比如购物篮分析这个时候用稀疏格式的数据存贮更加省空间。 稀疏格式是针对数据信息中某个实例的表示而言不需要修改ARFF文件的其它部分。看如下的数据
data 0, X, 0, Y, class A 0, 0, W, 0, class B 用稀疏格式表达的话就是
data {1 X, 3 Y, 4 class A} {2 W, 4 class B} 每个实例用花括号括起来。实例中每一个非0的属性值用index 空格 value表示。index是属性的序号从0开始计value是属性值。属性值之间仍用逗号隔开。这里每个实例的数值必须按属性的顺序来写如 {1 X, 3 Y, 4 “class A”} 不能写成 {3 Y, 1 X, 4 “class A”} 。 注意在稀疏格式中没有注明的属性值不是缺失值而是 0 值。若要表示缺失值必须显式的用问号表示出来。 Relational 型属性 在WEKA3.5版中增加了一种属性类型叫做Relational有了这种类型我们可以像关系型数据库那样处理多个维度了。但是这种类型目前还不见广泛应用暂不作介绍。
