用Java创建weka需要的Instance对象和arff文件

来源：互联网发布：越贵妃知乎编辑：程序博客网时间：2024/05/29 15:40

在用Java使用weka时，我们需要weka支持的数据格式，weka官网上给出的大多是从arff文件中导入数据。从数据库中生成对系统环境要求也较高。因此本文介绍了如何通过普通的Java对象生成weka支持的Instance对象，并保存到arff文件中。

总体思路

首先创建一个Instances对象，为Instances对象设置属性（@Attribute），然后从对象创建Instance加入到Instances中，如果需要保存，可以直接将Instances对象保存为arff格式的文件。

Attribute

在介绍attribute之前首先简述一下arff的文件格式。官网上示例如下：

% 1. Title: Iris Plants Database   %    % 2. Sources:   %      (a) Creator: R.A. Fisher   %      (b) Donor: Michael Marshall (MARSHALL%PLU@io.arc.nasa.gov)   %      (c) Date: July, 1988   %    @RELATION iris   @ATTRIBUTE sepallength  NUMERIC   @ATTRIBUTE sepalwidth   NUMERIC   @ATTRIBUTE petallength  NUMERIC   @ATTRIBUTE petalwidth   NUMERIC   @ATTRIBUTE class        {Iris-setosa,Iris-versicolor,Iris-virginica}   @DATA   5.1,3.5,1.4,0.2,Iris-setosa   4.9,3.0,1.4,0.2,Iris-setosa   4.7,3.2,1.3,0.2,Iris-setosa   4.6,3.1,1.5,0.2,Iris-setosa   5.0,3.6,1.4,0.2,Iris-setosa   5.4,3.9,1.7,0.4,Iris-setosa   4.6,3.4,1.4,0.3,Iris-setosa   5.0,3.4,1.5,0.2,Iris-setosa   4.4,2.9,1.4,0.2,Iris-setosa   4.9,3.1,1.5,0.1,Iris-setosa

因为arff文件和Instances是对应的，在创建Instances对象之前我们需要指定Instances的属性，对应到Java中，@ATTRIBUTE对应的是weka.core.Attribute对象。

Instance

Instance是一条数据，类似于数据库中的一行。在新版的weka（>3.5）中，Instance只是一个接口，在本文中以DenseInstance为例创建Instance，其他Instance可以在weka官方api中查到。

创建Instances

private Instances generatePopularInstance(List<SecRepoEntity> entities) {        //set attributes        ArrayList<Attribute> attributes = new ArrayList<>();        attributes.add(new Attribute("fork"));        attributes.add(new Attribute("size"));        attributes.add(new Attribute("sum"));        attributes.add(new Attribute("avg"));        attributes.add(new Attribute("weight"));        //set instances        Instances instances = new Instances("repo_popular",attributes,0);        instances.setClassIndex(instances.numAttributes() - 1);        //add instance        for (SecRepoEntity secRepoEntity: entities) {            Instance instance = new DenseInstance(attributes.size());            instance.setValue(0,secRepoEntity.getForkCount());            instance.setValue(1,secRepoEntity.getSize());            instance.setValue(2,secRepoEntity.getSumFollower());            instance.setValue(3,secRepoEntity.getAvgFollower());            instance.setValue(4,secRepoEntity.getWeightFollower());            instances.add(instance);        }        return instances;    }

保存Instances对象为arff文件

    /**     * generate weka dataSource file     * @param instances weka Instances     */    public void generateArffFile(Instances instances, String path) {        ArffSaver saver = new ArffSaver();        saver.setInstances(instances);        try {            saver.setFile(new File(path));            saver.writeBatch();        } catch (IOException e) {            e.printStackTrace();        }    }

从arff文件导入Instances

weka官网有详细的说明，这里摘录新版的方法。（使用DataSource）

import weka.core.converters.ConverterUtils.DataSource; ... DataSource source = new DataSource("/some/where/data.arff"); Instances data = source.getDataSet(); // setting class attribute if the data format does not provide this information // For example, the XRFF format saves the class attribute information as well if (data.classIndex() == -1)   data.setClassIndex(data.numAttributes() - 1);

5 0