ARFF ファイル

.arff ファイルは、ワイカト大学の機械学習グループによって開発された機械学習ワークベンチ Weka のネイティブデータセット形式です。ラベル付きデータセットを構造化されたスキーマヘッダー付きのプレーンテキストとして保存するため、学術的な機械学習研究における一般的な交換形式となっています。

.arff ファイルは 2 つのセクションで構成されています。ヘッダーは @relation（データセット名）で始まり、その後に各特徴の名前と型を定義する @attribute 宣言が続きます。サポートされている型には、NUMERIC、INTEGER、REAL、STRING、DATE (ISO 8601)、および名義型（波括弧 {} 内に明示的な値リストを記述）があります。続いて @data セクションがあり、1 行に 1 インスタンスずつカンマ区切りで記述されます。欠損値は ? でマークされます。% で始まる行はコメントです。

スパース（疎）バリアントでは、ほとんどの値がゼロである高次元データセット（テキスト分類などで一般的）のために {index value} ペアを使用します。@relational 属性型は、マルチインスタンス学習用のネストされたサブデータセットをサポートしています。

古い形式ではありますが、.arff は Weka 以外でも広くサポートされています。Python では scipy.io.arff.loadarff() を介して読み取ることができ、R では foreign パッケージで処理できます。また、多くの機械学習ツールキットが交換形式としてこれを受け入れています。より豊富なメタデータやインスタンスごとの重みを扱う場合は、Weka の XML ベースの .xrff が後継となりますが、実務では依然として .arff や .csv の方が一般的です。