我最近开始使用weka,我试图使用朴素贝叶斯将推文分类为正面或负面.所以我有一个带有推文的训练集,我给了标签和一个带有推文的测试集,所有推文都标有"正面".当我跑Naive Bayes时,我得到以下结果:
正确分类的实例:69 92%错误分类实例:6 8%
然后,如果我将测试集中的推文标签更改为"否定"并再次运行朴素贝叶斯,结果将被反转:
正确分类的实例:6 8%错误分类实例:69 92%
我认为正确分类的实例显示了Naive Bayes的准确性,无论测试集中的推文标签如何,它都应该是相同的.我的数据有问题或者我没有正确理解正确分类的实例的含义吗？
非常感谢你的时间,
Nantia
我正在尝试在Weka中执行属性选择.我想使用InfoGainAttributeEval作为评估者,因为我读到它相当于互信息,而Ranker作为搜索方法.我应该对训练和测试集进行属性选择吗？另外,如何为N参数选择正确的值？
非常感谢你的时间,
纳迪亚