O WEKA lê um arquivo no formato ARFF.
Para criar um arquivo arff, deve-se definir os seguintes cabeçalhos:
Declaração de Relação
Um nome para a relação, definida na primeira linha do arquivo. Declara-se:
@relation <nome da relacao>
Se o nome da relação contiver espaços, deve-se usar aspas.
Declaração de Atributos
Os atributos são declarados através de uma sequencia ordenada de @attributes
. Cada atributo no conjunto de dados deve possuir sua própria declaração usando @attribute
que identifica unicamente o nome deste atributo e o tipo de dado. A ordem em que são declarados indicam a ordem em que aparecem no conjunto de dados.
Declara-se:
@attribute <nome do atributo> <tipo de dado>
O nome do atributo deve começar com letra e, se contiver espaços, deve estar entre aspas.
Os tipos de dados suportados pelo WEKA são:
- Números (reais ou inteiros): Numeric
- Texto "livre": String
- Atributos nominais (texto pré-determinado)
- Data: Date [<date-format>]
- Atributos relacionais
Atributos numéricos
Serve tanto para inteiros quanto para reais. Se declara:
@attribute idade numeric
Atributos nominais
Valores nominais são definidos quando se provê uma lista de possíveis valores. Por exemplo:
@attribute classe {comprador, possivel-comprador, nao-comprador}
Atributos do tipo String
Usado para textos arbitrários. Declara-se:
@attribute tweet string
Nota: deve estar entre aspas se contiver espaços.
Declaração do conjunto de dados
O conjunto de dados é declarado em uma única linha. Declara-se:
@data
Delimita onde começa, de fato, os dados de instância.
Dados de instância
Os dados da instância são declarados um por linha e deve-se separar os atributos com vírgula.
Respondendo diretamente sua pergunta, uma possível configuração de um arquivo ARFF para o seu problema seria assim:
% Tudo depois do % é ignorado. Pode-se utilizar para inserir comentários
@relation compradores
@attribute tweet string
@attribute classe {compraria, nao-compraria}
@data
"To e morto Galaxy S5 por R$ 2,600", nao-compraria
"Preciso de um galaxy s5", compraria
"Configurando meu Galaxy s5", compraria
"Prefiro um iphone do que um galaxy s5", nao-compraria