File ARFF

Un file .arff è il formato di dataset nativo per la piattaforma di machine learning Weka, sviluppata dal Machine Learning Group presso l'University of Waikato. Memorizza dataset etichettati come testo semplice con un'intestazione di schema strutturata, rendendolo un formato di interscambio comune nella ricerca accademica sul machine learning.

Un file .arff ha due sezioni. L'intestazione inizia con @relation (che nomina il dataset), seguita dalle dichiarazioni @attribute che definiscono il nome e il tipo di ogni caratteristica. I tipi supportati includono NUMERIC, INTEGER, REAL, STRING, DATE (ISO 8601) e nominale (un elenco esplicito di valori tra parentesi graffe {}). Segue la sezione @data con le istanze separate da virgole, una per riga; i valori mancanti sono contrassegnati da ?. Le righe che iniziano con % sono commenti.

Una variante sparsa utilizza coppie {index value} per dataset ad alta dimensionalità dove la maggior parte dei valori è zero - comune nella classificazione del testo. Il tipo di attributo @relational supporta sotto-dataset annidati per l'apprendimento multi-istanza.

Nonostante la sua età, .arff è ampiamente supportato oltre Weka: Python lo legge tramite scipy.io.arff.loadarff(), R lo gestisce con il pacchetto foreign e molti toolkit di ML lo accettano come formato di interscambio. Per metadati più ricchi e pesi per istanza, il successore è .xrff basato su XML di Weka, sebbene .arff e .csv rimangano più comuni nella pratica.