weka数据格式

weka能处理的最好的数据格式是*.arff，arff（attribute relation file format），属性关系文件格式。

该格式的文件分为两部分：头信息和数据信息，头信息包括relation和attribute两部分，数据信息只有data。

@relation person

@attribute name string
@attribute age numeric
@attribute sex {male,female}
@attribute birthday date"yyyy-MM-dd HH-mm-ss"

@data
xiaoming,12,male,"2012-12-02 00:00:00"
xiaohong,11,male,"2013-03-04 00:00:00"

这是一个简单的atrr格式的文件。

其中date必须指定格式如 date"yyyy-MM-dd HH-mm-ss",  名字或者数据里有空必须用引号括起来，单引号双引号都可以。

weka中一行称为一个实例（instance），相当于一个样本或者一条记录，竖行称为一个属性，相当于一个变量或者一个字段，整个表格称为数据集，展现了属性之间的关系。

属性名：关系名称在文件的第一有效行来定义，格式为@relation <relation-name>,relation-name是一个字符串，如果有空格必须用引号括起来。

属性声明：用@attribute开头的语句表示，格式为@attribute <relation-name> <datatype>,weka支持的数据格式有四种，string，numeric，nominal和date[data-format],

数据信息：@data标记，单独占一行，剩下的是各个实例的数据。每个实例占一行，实例的各个属性用逗号分开，如果某个属性的值缺失，用?号表示，逗号隔开，且?不能缺失。如xiaoming,?,male,?

稀疏矩阵：有些实例的属性值是0，且大量的值为0，如购物篮属性值，这样的数据用稀疏矩阵存更好一些。注意：是0值不是缺省值

例如：0,2,0,0,0,0,1,2,3    - >  {1 2,6 1,7 2,8 3}    注意：括号必须有，且计数从0开始

数据准备：

我们拿到的数据大多数是 csv ，txt或者excel格式的，为了更好的得到实验效果，我们需要将csv转换为arff的，怎么做呢？

excel转换为csv直接右键另存为就可以了，txt也可以直接以逗号的形式保存为csv。

由于csv第一行没有属性，所以我们需要手动的在第一行添加属性。如下图：

将csv转换为arff：

前提：.在第一行加上属性

1.直接用weka打开csv，保存为arff格式。

2.或者调用weka的CLI，weka.core.converters.CSVLoader filename.csv > filename01.arff

就可以转换成功了，路径可以是绝对路径。