在用Java使用weka時，我們需要weka支援的資料格式，weka官網上給出的大多是從arff檔案中匯入資料。從資料庫中生成對系統環境要求也較高。因此本文介紹瞭如何通過普通的Java物件生成weka支援的Instance物件，並儲存到arff檔案中。

總體思路

首先建立一個Instances物件，為Instances物件設定屬性（@Attribute），然後從物件建立Instance加入到Instances中，如果需要儲存，可以直接將Instances物件儲存為arff格式的檔案。

Attribute

在介紹attribute之前首先簡述一下arff的檔案格式。官網上示例如下：

%
 
 1. Title: Iris Plants Database
   % 
   % 2. Sources:
   %      (a) Creator: R.A. Fisher
   %      (b) Donor: Michael Marshall (MARSHALL%[email protected].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

因為arff檔案和Instances是對應的，在建立Instances物件之前我們需要指定Instances的屬性，對應到Java中，@ATTRIBUTE對應的是weka.core.Attribute物件。

Instance

Instance是一條資料，類似於資料庫中的一行。在新版的weka（>3.5）中，Instance只是一個介面，在本文中以DenseInstance為例建立Instance，其他Instance可以在weka官方api中查到。

建立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;
    }

儲存Instances物件為arff檔案

    /**
     * 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();
        }
    }

從arff檔案匯入Instances

weka官網有詳細的說明，這裡摘錄新版的方法。（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);