WEKA-Instances-从内存中创建数据集

废话不多说，直接上干货

weka的官方参考手册 ：https://www.cs.waikato.ac.nz/ml/weka/documentation.html

在API 一节中有 creating datasets in memory （官网的还是比较标准的）

大家也可以简单的看一下我写的一个简单的demo。

首先看Attribute：这个是我自己写的一个2-mer特征提取的代码大家参考形式就行；

public ArrayList<Attribute> attributes() {

		ArrayList<Attribute> attributes = new ArrayList<>();

		attributes.add(new Attribute("aa"));
		attributes.add(new Attribute("ag"));
		attributes.add(new Attribute("ac"));
		attributes.add(new Attribute("at"));

		attributes.add(new Attribute("ga"));
		attributes.add(new Attribute("gg"));
		attributes.add(new Attribute("gc"));
		attributes.add(new Attribute("gt"));

		attributes.add(new Attribute("ca"));
		attributes.add(new Attribute("cg"));
		attributes.add(new Attribute("cc"));
		attributes.add(new Attribute("ct"));

		attributes.add(new Attribute("ta"));
		attributes.add(new Attribute("tg"));
		attributes.add(new Attribute("tc"));
		attributes.add(new Attribute("tt"));

		ArrayList<String> labels = new ArrayList<String>();
		labels.add("1");
		labels.add("-1");

		attributes.add(new Attribute("class", labels));

		return attributes;

	}

紧接着就是Instances和Instance的创建：

需要说明的是下面代码里面的a[1]是标签（对应自己的标签就行）

public Instances atgc1(Instances data) {

		ArrayList<Attribute> l = attributes();
		Instances instances = new Instances("DNA", l, 0);
		instances.setClassIndex(instances.numAttributes() - 1);
		int sum = data.numInstances();
		String line;

		for (int i = 0; i < sum; i++) {

			double num[] = new double[instances.numAttributes()];
			Instance instance = new DenseInstance(1, num);
			line = String.valueOf(data.instance(i));
			if (line.trim().length() != 0) {

				String[] a = line.split(",");

				num[0] = stringCount(a[0], "aa");
				num[1] = stringCount(a[0], "ag");
				num[2] = stringCount(a[0], "ac");
				num[3] = stringCount(a[0], "at");

				num[4] = stringCount(a[0], "ga");
				num[5] = stringCount(a[0], "gg");
				num[6] = stringCount(a[0], "gc");
				num[7] = stringCount(a[0], "gt");

				num[8] = stringCount(a[0], "ca");
				num[9] = stringCount(a[0], "cg");
				num[10] = stringCount(a[0], "cc");
				num[11] = stringCount(a[0], "ct");

				num[12] = stringCount(a[0], "ta");
				num[13] = stringCount(a[0], "tg");
				num[14] = stringCount(a[0], "tc");
				num[15] = stringCount(a[0], "tt");

				num[16] = instances.attribute(16).indexOfValue(a[1]);

			}

			instances.add(instance);
		}

		return instances;
	}

在这之前也参考了网上好多网友写法，记不住链接了；大家也可以参考：

        numeric：数值型，连续变量

• Attribute date=new Attribute("aa");

  date：日期型，日期变量

• Attribute date=new Attribute("attribute_name","yyyy-MM-dd");

  nominal：标称型，预定义的标签

• ArrayList<String> labels=new ArrayList<String>();
          labels.add("label_a");
          labels.add("label_b");
          Attribute nominal=new Attribute("attribute_name",labels);

• string：字符串型，文本数据

• Attribute string = new Attribute("attribute_name",(ArrayList<String>)null);