weka之weather实例分析.docxVIP

数据格式　　跟很多电子表格或数据分析软件一样，WEKA所处理的数据集是图1那样的一个二维的表格。　　图1 新窗口打开　　这里我们要介绍一下WEKA中的术语。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（Attrbute），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)。图1中一共有14个实例，5个属性，关系名称为“weather”。　　WEKA存储数据的格式是ARFF（Attribute-Relation File Format）文件，这是一种ASCII文本文件。图1所示的二维表格存储在如下的ARFF文件中。这也就是WEKA自带的“weather.arff” 文件，在WEKA安装目录的“data”子目录下可以找到。　　代码: 　　% ARFF file for the weather data with some numric features 　　% 　　@relation weather 　　@attribute outlook {sunny, overcast, rainy} 　　@attribute temperature real 　　@attribute humidity real 　　@attribute windy {TRUE, FALSE} 　　@attribute play {yes, no} 　　@data 　　% 　　% 14 instances 　　% 　　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 　　需要注意的是，在Windows记事本打开这个文件时，可能会因为回车符定义不一致而导致分行不正常。推荐使用UltraEdit这样的字符编辑软件察看ARFF文件的内容。　　下面我们来对这个文件的内容进行说明。　　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（Head information），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（Data information），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。　　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 relation-name 　　relation-name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）。　　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 85 90 86 96 ... 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。　　属性声明的格式为　　@attribute attribute-name datatype 　　其中attribute-name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。　　WEKA支持的datatype有四种，分别是　　numeric-------------------------数值型　　nominal-specification-----分类（nominal）型　　string----------------------------字符串型　　date [date-format]-