machine-learning - Mahout 训练命令中的 '-c' 参数有什么作用?

标签 machine-learning mahout bayesian

当我训练朴素贝叶斯模型时,我无法理解 Mahout 命令中的 -c 参数代表什么:

mahout trainnb -i train-vectors -el -li labelindex -o model -ow -c

它是否开启互补朴素贝叶斯算法?

如果没有,在我训练模型时是否有可能使用它?

最佳答案

来自TrainNaiveBayesJob.java可以看到,它确实是用来控制互补朴素贝叶斯算法的使用,默认情况下是禁用的。

关于machine-learning - Mahout 训练命令中的 '-c' 参数有什么作用?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/21081619/

相关文章:

python - 心脏病预测的反向传播 - 结果不准确?

python - 使用 CountVectorizer 在 python 中 todense 时出现内存错误

hadoop - Mahout - Seq2Sparse 单 reducer

hadoop - 运行Mahout recomendItembased算法时出错

c# - Kim 和 Pearl 的贝叶斯网络中的消息传递算法

r - 如何从 bsts R 包中提取包含概率

python - sklearn 如何计算average_ precision_score?

machine-learning - 计算资源有限的机器学习

hadoop - Mahout项目相似性作业随机失败,并且在csv数据上出现数组索引超出范围异常?

python - 无法从牧师模块中 pickle 贝叶斯对象