我尝试在我的 java 代码中做文本分类朴素贝叶斯 weka 库,但我认为分类的结果不正确,我不知道是什么问题。我使用 arff 文件作为输入。
这是我的训练数据:
@relation hamspam
@attribute text string
@attribute class {spam,ham}
@data
'good',ham
'good',ham
'very good',ham
'bad',spam
'very bad',spam
'very bad, very bad',spam
'good good bad',ham
这是我的测试数据:
@relation test
@attribute text string
@attribute class {spam,ham}
@data
'good bad very bad',?
'good bad very bad',?
'good',?
'good very good',?
'bad',?
'very good',?
'very very good',?
这是我的代码:
public static void NaiveBayes(String training_file, String testing_file) throws FileNotFoundException, IOException, Exception{
//filter
StringToWordVector filter = new StringToWordVector();
Classifier naive = new NaiveBayes();
//training data
Instances train = new Instances(new BufferedReader(new FileReader(training_file)));
int lastIndex = train.numAttributes() - 1;
train.setClassIndex(lastIndex);
filter.setInputFormat(train);
train = Filter.useFilter(train, filter);
//testing data
Instances test = new Instances(new BufferedReader(new FileReader(testing_file)));
test.setClassIndex(lastIndex);
filter.setInputFormat(test);
Instances test2 = Filter.useFilter(test, filter);
naive.buildClassifier(train);
for(int i=0; i<test2.numInstances(); i++) {
System.out.println(test.instance(i));
double index = naive.classifyInstance(test2.instance(i));
String className = train.attribute(0).value((int)index);
System.out.println(className);
}
}
结果表明,本应分类为spam类的数据分类为ham类,本应分类为ham类的数据分类为spam类。有什么问题吗?请帮帮我..
最佳答案
您的代码看起来不错,但我有两条评论要发表。
- 首先,您使用此命令设置过滤器的格式
filter.setInputFormat(train);
以便使用此过滤器并使测试和训练数据兼容。您应该不使用此命令再次更改格式:filter.setInputFormat(test);
,因为这可能会产生兼容性问题。 - 也不要获取第一个属性:
train.attribute(0).value((int)index);
(在我看来这与类属性不对应)尝试使用此命令train.classAttribute().value((int)index);
附言检查Load naïve Bayes model in Java code using weka jar完整的工作流程和分类示例的解释( Material 曾经在 SO 文档中)。此示例使用 LibLinear 分类器,但逻辑相同。
关于java - 在 Java 中使用朴素贝叶斯 (weka) 进行简单文本分类,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/41935193/