如何将数据文件转换为Weka软件可正常读取的.arff格式文件

失败原因说明 #

• 直接修改文件后缀的方式不可行：.arff格式需要包含专属的元数据头部（@relation、@attribute定义），仅修改后缀缺少必要结构会触发报错
• 通过arff viewer转换失败：你的数据集BareNucloi列存在?格式的缺失值，且属性类型未提前适配Weka要求，工具无法自动识别处理

方案1：Python直接生成.arff（最稳妥） #

1. 安装依赖库
   pip install liac-arff pandas numpy
2. 转换代码：

import pandas as pd
import arff
import numpy as np

# 读取原始数据
data = pd.read_csv('breast-cancer-wisconsin.data', header=None)
data.columns = ['code','Clump Thickness','UniformityOfCellSize','UniformityOfCellShape','MarginalAdhesion','SingleEpithelialCellSize','BareNucloi','BlandChromatin','NormalNucleoli','Mitoses','Class']

# 处理缺失值：将?替换为NaN，适配arff格式的缺失值定义
data['BareNucloi'] = pd.to_numeric(data['BareNucloi'], errors='coerce')

# 定义arff结构
arff_data = {
    'relation': 'breast_cancer_wisconsin',
    'attributes': [
        ('code', 'NUMERIC'),
        ('Clump_Thickness', 'NUMERIC'),
        ('UniformityOfCellSize', 'NUMERIC'),
        ('UniformityOfCellShape', 'NUMERIC'),
        ('MarginalAdhesion', 'NUMERIC'),
        ('SingleEpithelialCellSize', 'NUMERIC'),
        ('BareNucloi', 'NUMERIC'),
        ('BlandChromatin', 'NUMERIC'),
        ('NormalNucleoli', 'NUMERIC'),
        ('Mitoses', 'NUMERIC'),
        ('Class', ['2', '4'])  # 标注为分类属性，符合Weka分类任务要求
    ],
    'data': data.values.tolist()
}

# 保存为arff文件
with open('breast-cancer-wisconsin.arff', 'w', encoding='utf-8') as f:
    arff.dump(arff_data, f)

方案2：Weka可视化界面转换 #

• 打开Weka，进入「Preprocess」标签页，点击「Open file」，文件类型选择CSV，打开你已转换的.csv文件
• 处理缺失值：在属性列表选中BareNucloi，点击「Edit」按钮，将所有值为?的单元格清空，或选择过滤器unsupervised.attribute.ReplaceMissingValues一键填充缺失值
• 适配属性类型：右键Class属性，选择「Convert to nominal」，将标签转为分类类型
• 点击「Save」按钮，文件类型选择ARFF，保存即可得到可正常打开的.arff文件

内容的提问来源于stack exchange，提问作者Encipher