Weka manual 3.6翻譯: 16.2 數據載入

最近谷歌譯員訪問非常不順，翻譯只能先放着了 
這篇的格式也不調了，每次粘貼過來都要手動調整格式，太累了，也不知是我格式的問題仍是OSC博客的問題

看不順的話能夠點這，會好些。

16.2 數據載入

在任何過濾器，分類的聚類器能夠應用以前，數據必須存在。Weka能從文件（各類格式的文件）和從數據庫中加載數據。在後者的狀況下，假定在該數據庫鏈接設置和工做。如何正確配置Weka與JDBC（Java數據庫鏈接）URL的詳細信息，請參閱第13章詳細說明。

若要使用本節中介紹的功能， wekaexamples.core.converters 包的 WEKA實例 集合有例子。

下面的一些類用於在內存中存儲數據：

•       weka.core.Instances-擁有一個完整的數據集。這個數據結構是基於行的；單一的行能夠經過從0開始索引的instance(int) 方法得到。有關列的信息能夠經過attribute(int)方法得到。此方法返回 weka.core.Attribute對象（見下文）。

•       weka.core.Instance。-封裝了一個單行。它基本上是一個雙原語數組的包裝。由於這個類不包含關於列的類型的任何信息，它老是須要訪問weka.core.Instances對象（見方法 dataset 和 setDataset 。weka.core.SparseInstance 類在稀疏數據的狀況下使用。

•       weka.core.Attribute -擁有數據集中單個列的類型信息。它存儲屬性的類型，以及標稱屬性的標籤，字符串屬性可能的值或關係屬性的數據集（這些也都是weka.core.Instances對象）。

16.2.1 從文件加載數據

當從文件加載數據時，可讓WEKA根據文件的擴展名選擇合適的加載器（可用的加載器在 weka.core.converters 包中），或能夠直接使用正確的裝載機。若是文件沒有正確的擴展名，應使用後一種方法。

DataSource類（內部類的 weka.core.converters的。ConverterUtils 類），可用於有適當的文件擴展名的文件中讀取數據。{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");

若是文件沒有一個與加載器關聯的特殊擴展名，則要直接使用加載器。下面的示例加載一個CSV（逗號分隔值）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儲關於類屬性的信息（例如，ARFF不存儲類屬性的信息，但XRFF存儲）。從此，若是一個類屬性是必需的，例如，當使用一個分類器，能夠經過 setClassIndex(int) 方法設置：

// 使用第一屬性做爲類屬性 if (data.classIndex() == -1) data.setClassIndex(0); ...

//使用最後一個屬性做爲類屬性 if（data.classIndex（）== -1）

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

16.2.2 加載數據庫中的數據

對於從數據庫中加載數據，可使用下面的兩個類之一：

•     weka.experiment.InstanceQuery

•     weka.core.converters.DatabaseLoader

它們之間的差別是， InstanceQuery 類容許檢索稀疏數據而 DatabaseLoader 能夠增量地檢索數據。

下面是一個使用 InstanceQuery 類的：

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");

/ /若是你的數據是稀疏的，那麼你能夠這樣寫：

// query.setSparseData(true);

Instances data = query.retrieveInstances();

使用DatabaseLoader類「批處理檢索「的一個例子：

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：

         •       不是全部的數據庫系統都容許增量檢索。

•       並不是全部的查詢都具備一個惟一的key用於增量檢索。在這種狀況下，能夠用setKeys(String) 方法（以逗號分隔的列）提供必要的列 。

•       若是不能以增量方式檢索數據，它是首先徹底加載到內存中，而後一行一行提供（「僞增量」）。