Weka专用的文件格式—— ARFF

ARFF格式

ARFF代表Attribute-Relation File Format（属性-关系文件格式）。
该文件是ASCII文本文件，描述共享一组属性结构的实例列表，由独立且无序的实例组成，是Weka表示数据集的标准方法，ARFF不涉及实例之间的关系。

在Weka安装目录下的data子目录中，可以找到名称为weather.numeric.arff的天气数据文件，其内容如下所示。

天气数据的ARFF文件

%This is a toy example, the UCI weather dataset.

@relation weather

@attribute 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

上述代码中，以百分号%开始的行成为注释行。
@relation 行定义内部数据集的名称weather， 名称应简洁明了，易理解。relation也成为关系。

@attribute outlook {sunny, overcast, rainy} 行定义名称为outlook的标称型苏醒，有三个取值。@attribute play {yes, no} 行定义play标称型属性。注意：最后一个属性默认为用于预测的类别变量，或成为目标属性。

@attribute temperature numeric 行定义名称为temperature的数值型属性。

@data 标志后的各行构成数据集。每行为一个实例样本，由采用逗号分隔的值组成，顺序与由@attribute所定义的属性的顺序一致。

属性的数据类型

• 标称型（nominal），只能取预定义值列表中的一个；
• 数值型（numeric），只能是实数或整数；
• 字符串型（string），由双引号引用的任意长度的字符列表；
• 日期型（date）;
• 关系型（relation）。