第十六章 Weka API 使用
16.3 在内存中创建数据集
从磁盘或数据库加载数据集不是Weka获取数据的唯一的方式：数据集可以在内存中创建或在运行时创建。生成数据集的存储结构（即weka.core.Instances 对象）是一个两阶段的过程：
1. 通过设置属性定义数据的格式。
2. 一行一行地添加实际数据。
WEKA实例集合[3]中的类wekaexamples.core.CreateInstances生成一个实例对象，该对象包含了Weka现在能处理的所有的属性类型。
16.3.1 定义格式
目前，在Weka中有五种不同类型的属性可用：
• 数字 -连续变量
• 日期 -日期变量
• 标称 -预定义的标签
• 字符串 -文本数据
• 关系 -包含其他关系，例如，多实例数据的情况下的袋
对于所有不同的属性类型，WEKA使用同一类，weka.core.Attribute ，但使用不同的构造函数。在下文中，对这些不同的构造函数进行说明。
• 数字 -最容易创建的属性类型，因为它只需要属性的名称：
Attribute numeric = new Attribute("name_of_attr");
• 日期 -在内部，日期属性处理的处理方式同数值属性，但为了正确地分析和呈现日期值，需要指定日期的格式。Java 文档 java.text.SimpleDateFormat 类详细解释了日期和时间的模式。在下文中，使用日期格式的年（4位数），月份（2位数）和天数（2位数）创建一个日期属性，它们由连字符分隔：
Attribute date = new Attribute("name_of_attr", "yyyy-MM-dd");
• 标称 - 由于标称属性包含预定义的标签，标签存储在一个weka.core.FastVector 对象中，我们要预先提供这些：
FastVector labels = new FastVector();
labels.addElement("label_a");
labels.addElement("label_b");
labels.addElement("label_c");
labels.addElement("label_d");
Attribute nominal = new Attribute("name_of_attr", labels) ;
• 字符串 -与标称属性相反，此类型不存储预定义列表标签。通常用于存储文本数据，即，用于文本分类的文档内容。其使用与标称属性相同的构造函数，但要提供一个 null 值，而不是一个 FastVector 实例：
Attribute string = new Attribute("name_of_attr", (FastVector) null);
• 关系 -这个属性只需要另一个 weka.core.Instances 对象在构造函数中定义关系结构。下面的代码片段生成一个关系属性，其包含有两个属性，一个数字和一个标称属性的关系：
FastVector atts = new FastVector();
atts.addElement(new Attribute("rel.num"));
FastVector values = new FastVector();
values.addElement("val_A");
values.addElement("val_B");
values.addElement("val_C");
atts.addElement(new Attribute("rel.nom", values));
Instances rel_struct = new Instances("rel", atts, 0) ;
Attribute relational = new Attribute("name_of_attr", rel_struct);
一个 weka.core.Instances 对象，通过提供一个包含所有属性对象的 FastVector 对象来创建下面的示例创建一个带有两个数字属性和标称类属性（两个标签“否”和“是”）的数据集：
Attribute num1 = new Attribute("num1");
Attribute num2 = new Attribute("num2");
FastVector labels = new FastVector();
labels.addElement("no");
labels.addElement("yes");
Attribute cls = new Attribute("class", labels);
FastVector attributes = new FastVector();
attributes.addElement(num1);
attributes.addElement(num2);
attributes.addElement(cls);
Instances dataset = new Instances("Test-dataset", attributes, 0) ;
在上面的 Instances 构造函数的最后一个参数告诉Weka该保留多少内存给即将到来的 weka.core.Instances对象。如果事先知道多少行将会被添加到数据集，那么它应该被指定，这样节省了今后昂贵的开辟内存的操作。如果是想要添加大量的行，没关系，使用compactify() 方法始终是可以再次 修剪(trim) 数据集的。
16.3.2 添加数据
数据集的结构定义之后，就可以给它添加实际数据，一行接一行。基本上， weka.core.Instances 类有两个构造函数可以用于此目的：
• Instance(double weight, double[] attValues)– 生成一个 Instance 对象，该对象拥有给定的权重和double值。 Weka的内部格式为所有属性类型使用double值。对于标称，字符串和关系属性，这仅仅是一个存储值的索引。
• Instance(int numAttributes) – 生成一个新的Instance 对象，该对象拥有权重1.0，并且没有任何值。
第二个构造函数可能更容易使用，但通过 Instance 类的方法设置值开销大点，特别是如果要加入了大量的行。因此，下面的代码示例涵盖(cover)了第一个构造函数。为简单起见， 这里使用上面使用过的Instances 对象“data ”， 其基于之前介绍不同属性所使用的代码片段，因为它包含了所有可能的属性类型。
对于每个实例，第一步骤是创建一个新的double数组来保存属性值。不要重复使用这个数组，而是总是创建一个新的，这很重要。因为当实例化Instance对象时，Weka只引用它，不创建它的一个副本。重用意味着改变之前生成的 Instance 对象：
double[] values = new double[data.numAttributes()];
然后，为double数组填充实际值：
• 数字 -只要设置数值：
values[0] = 1.23 ;
• 日期 -将日期字符串转换成一个double值：
values[1] = data.attribute(1).parseDate("2001-11-09");
• 标称 -决定了标签索引值：
values[2] = data.attribute(2).indexOf("label_b");
• 字符串 -决定了字符串的索引值，使用 addStringValue 方法（在内部，一个Hashtable保存所有的字符串值）：
values[3] = data.attribute(3).addStringValue("This is a string");
• 关系 -首先，在确定索引之前，要创建一个新的，基于其属性关系定义的 Instances 对象，使用 addRelation 方法：
Instances dataRel = new Instances(data.attribute(4).relation(),0);
valuesRel = new double[dataRel.numAttributes()];
valuesRel[0] = 2.34 ;
valuesRel[1] = dataRel.attribute(1).indexOf("val_C");
dataRel.add(new Instance(1.0, valuesRel));
values[4] = data.attribute(4).addRelation(dataRel);
最后，通过初始化double数组，一个Instance对象生成了，并添加到数据集：
Instance inst = new Instance(1.0, values);
data.add(inst);
-----------------------------------------------------------------------------------------------------
译得不是很顺，原文去Weka手册中找对应的章节，
也可访问Google Drive查看: https://docs.google.com/document/d/1kdXGdG3lhxvIXjuqX4YpaFNwxyN4MVZD4x0jFqLRl2k/edit
1507
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
