weka学习笔记.doc

《weka学习笔记.doc》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、uWEKA文件相关术语表格里的一个横行称作一个实例（Instance），相当于统计学中的一个样本，或者数据库中的一条记录。竖行称作一个属性（Attribute）属性把..归功于，相当于统计学中的一个变量，或者数据库中的一个字段。这样一个表格，或者叫数据集，在WEKA看来，呈现了属性之间的一种关系(Relation)。WEKA存储数据的格式是ARFF（Attribute-RelationFileFormat）文件，这是一种ASCII文本文件。文件内容说明:v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

2、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（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。v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

3、e>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）。v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85908696...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。

4、属性声明的格式为@attribute其中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。vWEKA支持的有四种numeric数值型标称（nominal）型string字符串型date[]日期和时间型其中和将在下面说明。还可以使用两个类型“integer”和“re

5、al”，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“data”则不区分v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。v标称属性标称属性由列出一系列可能的类别名称并放在花括号中：{,,,...}。数据集中该属性的值只

6、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。@attributeoutlook{sunny,overcast,rainy}如果类别名称带有空格，仍需要将之放入引号中。u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：@ATTRIBUTELCCstringu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[

7、]其中是这个属性的名称，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-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（下文有例子）。u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（missingvalue），用问号“?”表示，且这个问号不能省略。例如：@datasun

8、ny,85,85,FALSE,no?,78,90,?,yesu字符串属性和标称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：@relationLCCvsLCSH  @attr