Weka manual 3.6翻译: 16.2 数据载入

最近谷歌译员访问非常不顺，翻译只能先放着了 
这篇的格式也不调了，每次粘贴过来都要手动调整格式，太累了，也不知是我格式的问题仍是OSC博客的问题

看不顺的话能够点这，会好些。

16.2 数据载入

在任何过滤器，分类的聚类器能够应用以前，数据必须存在。Weka能从文件（各类格式的文件）和从数据库中加载数据。在后者的状况下，假定在该数据库链接设置和工做。如何正确配置Weka与JDBC（Java数据库链接）URL的详细信息，请参阅第13章详细说明。

若要使用本节中介绍的功能， wekaexamples.core.converters 包的 WEKA实例 集合有例子。

下面的一些类用于在内存中存储数据：

•       weka.core.Instances-拥有一个完整的数据集。这个数据结构是基于行的；单一的行能够经过从0开始索引的instance(int) 方法得到。有关列的信息能够经过attribute(int)方法得到。此方法返回 weka.core.Attribute对象（见下文）。

•       weka.core.Instance。-封装了一个单行。它基本上是一个双原语数组的包装。由于这个类不包含关于列的类型的任何信息，它老是须要访问weka.core.Instances对象（见方法 dataset 和 setDataset 。weka.core.SparseInstance 类在稀疏数据的状况下使用。

•       weka.core.Attribute -拥有数据集中单个列的类型信息。它存储属性的类型，以及标称属性的标签，字符串属性可能的值或关系属性的数据集（这些也都是weka.core.Instances对象）。

16.2.1 从文件加载数据

当从文件加载数据时，可让WEKA根据文件的扩展名选择合适的加载器（可用的加载器在 weka.core.converters 包中），或能够直接使用正确的装载机。若是文件没有正确的扩展名，应使用后一种方法。

DataSource类（内部类的 weka.core.converters的。ConverterUtils 类），可用于有适当的文件扩展名的文件中读取数据。{0}下面是一些例子：{/0}

import weka.core.converters.ConverterUtils.DataSource; import weka.core.Instances; ...

Instances data1 = DataSource.read("/some/where/dataset.arff");

Instances data2 = DataSource.read("/some/where/dataset.csv");

Instances data3 = DataSource.read("/some/where/dataset.xrff");

若是文件没有一个与加载器关联的特殊扩展名，则要直接使用加载器。下面的示例加载一个CSV（逗号分隔值）文件：

import weka.core.converters.CSVLoader;

import weka.core.Instances; import java.io.File; ...

CSVLoader loader = new CSVLoader();

loader.setSource(new File("/some/where/some.data"));

Instances data = loader.getDataSet();

注意： 不是全部的文件格式均可以存储关于类属性的信息（例如，ARFF不存储类属性的信息，但XRFF存储）。从此，若是一个类属性是必需的，例如，当使用一个分类器，能够经过 setClassIndex(int) 方法设置：

// 使用第一属性做为类属性 if (data.classIndex() == -1) data.setClassIndex(0); ...

//使用最后一个属性做为类属性 if（data.classIndex（）== -1）

data.setClassIndex(data.numAttributes() - 1) ;

16.2.2 加载数据库中的数据

对于从数据库中加载数据，可使用下面的两个类之一：

•     weka.experiment.InstanceQuery

•     weka.core.converters.DatabaseLoader

它们之间的差别是， InstanceQuery 类容许检索稀疏数据而 DatabaseLoader 能够增量地检索数据。

下面是一个使用 InstanceQuery 类的：

import weka.core.Instances; import weka.experiment.InstanceQuery; ...

InstanceQuery query = new InstanceQuery(); query.setDatabaseURL("jdbc_url"); query.setUsername("the_user"); query.setPassword("the_password");

query.setQuery("select * from whatsoever");

/ /若是你的数据是稀疏的，那么你能够这样写：

// query.setSparseData(true);

Instances data = query.retrieveInstances();

使用DatabaseLoader类“批处理检索“的一个例子：

import weka.core.Instances;

import weka.core.converters.DatabaseLoader; ...

DatabaseLoader loader = new DatabaseLoader(); loader.setSource("jdbc_url", "the_user", "the_password"); loader.setQuery("select * from whatsoever");

Instances data = loader.getDataSet();

DatabaseLoader 在“增量模式”使用以下：

import weka.core.Instance;

import weka.core.Instances; import weka.core.converters.DatabaseLoader; ...

DatabaseLoader loader = new DatabaseLoader(); loader.setSource("jdbc_url", "the_user", "the_password"); loader.setQuery("select * from whatsoever");

Instances structure = loader.getStructure();

Instances data = new Instances(structure);

Instance inst;

while ((inst = loader.getNextInstance(structure)) != null) data.add(inst);

注：

         •       不是全部的数据库系统都容许增量检索。

•       并不是全部的查询都具备一个惟一的key用于增量检索。在这种状况下，能够用setKeys(String) 方法（以逗号分隔的列）提供必要的列 。

•       若是不能以增量方式检索数据，它是首先彻底加载到内存中，而后一行一行提供（“伪增量”）。