Файл ARFF

Файл .arff является родным форматом наборов данных для среды машинного обучения Weka, разработанной группой машинного обучения в Университете Уайкато. Он хранит размеченные наборы данных в виде простого текста со структурированным заголовком схемы, что делает его распространенным форматом обмена в академических исследованиях в области машинного обучения.

Файл .arff состоит из двух разделов. Заголовок начинается с @relation (название набора данных), за которым следуют объявления @attribute, определяющие имя и тип каждого признака. Поддерживаемые типы включают NUMERIC, INTEGER, REAL, STRING, DATE (ISO 8601) и номинальный (явный список значений в фигурных скобках {}). Далее следует раздел @data с экземплярами, разделенными запятыми, по одному на строку; пропущенные значения помечаются символом ?. Строки, начинающиеся с %, являются комментариями.

Разреженный вариант использует пары {index value} для многомерных наборов данных, где большинство значений равны нулю - это часто встречается при классификации текстов. Тип атрибута @relational поддерживает вложенные поднаборы данных для обучения на нескольких экземплярах.

Несмотря на свой возраст, .arff широко поддерживается за пределами Weka: Python читает его через scipy.io.arff.loadarff(), R обрабатывает его с помощью пакета foreign, и многие инструментарии ML принимают его в качестве формата обмена. Для более богатых метаданных и весов отдельных экземпляров преемником является формат .xrff на базе XML, хотя .arff и .csv остаются более распространенными на практике.