《weka学习笔记》word版

《《weka学习笔记》word版》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、www.jiayounet.comWeka学习笔记www.jiayounet.com一、数据格式：以“%”开始的行是注释。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（Headinformation），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（Datainformation），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:@relation在ARFF文件的第一个有效行来定义。是一

2、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:@attribute声明语句的顺序按照该项属性在数据部分的位置来排。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。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支持的有四种，分别是：numeric数值型、

3、ion>分类型、string字符串型、date[日期型。（1）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。（2）分类属性：分类属性由列出一系列可能的类别名称并放在花括号中：{,,,...}。例如如下的属性声明说明“outlook”属性有三种类别：“sunny”，“overcast”和“rainy”:@attributeoutl

4、ook{sunny,overcast,rainy}如果类别名称带有空格，仍需要将之放入引号中。（3）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。如：@ATTRIBUTELCCstringwww.jiayounet.com（4）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@attributedate[]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

5、期时间组合格式“yyyy-MM-ddTHH: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。3、数据信息：@data“@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（missingvalue），用问号“?”表示，且这个问号不能省略。例如：@datasunny,85,85,FALSE,no?,78,90,?,yes4、注意：（1）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：@rel

6、ationLCCvsLCSH@attributeLCCstring @attributeLCSHstring @data AG5,'Encyclopediasanddictionaries.;Twentiethcentury.' AS262,'Science--SovietUnion--History.'（2）日期属性的值必须与属性声明中给定的格式相一致。例如：@RELATIONTimestamps @ATTRIBUTEtimestampDATE"yyyy-MM-ddHH:mm:ss" @DATA"2001-04

7、-0312:12:12"  "2001-05-0312:59:55"（3）稀疏数据处理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。www.jiayounet.com稀疏格式只记录非0的值，实例中每一个非0的属性值用<空格>表示。是属性的序号，从0开始计；是属性值。属性值之间仍用逗号隔开。看如下的数据：@data  0,X,0,Y,"classA"  0,0,W,0,"classB"用稀疏格式表达的话就是@data

8、  {1X,3Y,4"classA"}  {2W,4"classB"}这里每个实例的数值必须按属性的顺序来写，如{1X,3Y,4"classA"}，不能写成{3Y,1X,4"classA"}。注意缺失值必须显式的用问号表示出来。（4）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