WEKA完整教程数据格式详解

2、数据格式（续） 在WEKA中，每一个横行称作一个实例（Instance），这与统计学中的一个样本或数据库中的一条记录相对应。每个竖行称为一个属性（Attribute），类似于统计学中的变量或数据库中的字段。整个表格也可以称为数据集（Dataset），在WEKA中，数据集呈现了属性之间的一种关系（Relation）。 在上图中，总共有14个实例、5个属性，并且关系名称被定义为“weather”。 WEKA采用的是ARFF（Attribute-Relation File Format）文件格式，这是一种ASCII文件。二维表格形式的数据存储为ARFF文件。以上图数据为例，数据文件可以在WEKA安装目录的“data”子目录下找到，这个文件就是weather.arff。

在Weka中，数据格式涉及到ARFF文件的使用。每个ARFF文件都包含多个实例和属性，实例相当于样本或记录，属性则是变量或字段。数据集展示了属性之间的关系，例如“weather”关系。ARFF文件以ASCII文本形式存储，可在Weka安装目录的data子目录中找到，如自带的“weather.arff”文件。

附录提供证照扩展数据格式相关示例，包括：- 电子证照图片 (中文名称)

Talend 提供了一系列操作来处理数据格式，这些操作包括字符串、数值和日期的处理。 字符串操作 连接：concat()、|| 长度：length()、len() 大小写转换：upper()、ucase()、lower()、lcase() 单词首字母大写：initcap() 截取字符：mid() 去除字符：trim()、ltrim()、rtrim() 补位：lpad()、rpad() 子串截取：substr() 子串搜索：instr() 格式化显示：format() 数值操作 四则运算：+、-、*、/ 比较：=、!=、>、>=、<、<= 数学函数：abs()、sqrt()、round()、floor()、ceil() 进制转换：to_char()、to_number() 日期操作 日期格式化：to_date()、to_char() 日期比较：=、!=、>、>=、<、<= 日期运算：+、-、*、/ 日期提取：year()、month()、day()、hour()、minute()、second() 这些操作可以满足各种数据处理需求，提高数据处理效率。

Weka的实验者界面具有同时处理多个数据集和分类算法的能力，可以有效比较不同算法的性能优劣。然而，它也存在一些限制，如无法使用数据预处理工具和限制了类标的选择，仅能使用输入数据集的最后一个属性作为类标。界面主要包括设置页面（Setup）、运行页面（Run）和分析页面（Analyze），用户可以在这些页面中设置实验参数、启动实验并监视实验过程，最终分析实验结果。

WEKA小结： 数据预处理 Explorer – Preprocess: 进行数据清洗与转换。 属性选择 Explorer – Select attributes: 利用属性选择方法优化模型。 数据可视化 Explorer – Visualize: 制作二维散布图，观察数据分布。 分类预测 Explorer – Classify: 应用分类算法进行预测。 Experimenter: 比较多个算法的性能，选择最佳方案。 KnowledgeFlow: 支持批量和增量学习模式，方便处理大规模数据。 关联分析 Explorer – Associate: 寻找数据之间的关系。 聚类分析 Explorer – Cluster: 将数据分为不同的组，便于分析。

在 Oracle 数据库中，日期型数据类型存储日期和时间信息。进行数据处理时，经常需要将日期型数据转换为特定的字符串格式或其他日期格式。 Oracle 提供了丰富的函数用于日期格式转换： TO_CHAR 函数: 将日期型数据转换为指定格式的字符串。 例如，TO_CHAR(sysdate, 'YYYY-MM-DD HH24:MI:SS') 将当前日期和时间转换为 'YYYY-MM-DD HH24:MI:SS' 格式的字符串。 TO_DATE 函数: 将字符串转换为日期型数据。 例如，TO_DATE('2023-10-27', 'YYYY-MM-DD') 将字符串 '2023-10-27' 转换为日期类型。 需要注意的是，在进行日期格式转换时，需要确保转换格式与实际数据匹配，否则可能会导致错误或数据丢失。

Libsvm 使用特定的数据格式，与 UCI 等数据集格式不同。UCI 数据集通常以标签和属性值对的形式组织，例如 “+1 1:0.78 2:1 3:1 ...”。 Libsvm 官方提供的测试数据采用 C++ 版本格式，需要使用 libsvmread 函数进行格式转换，以便在 Matlab 环境下使用。

FormatDatalibsvm 能够将结构化的数据转换为 LIBSVM 所需的格式，并支持将转换后的数据保存为 TXT 文件。