我有一些文本,我想通过使用Weka库在Java中实现 Machine Learning 方法来挖掘它们 . 为此目的,我已经做了一些事情,但由于整个代码太长,我只想展示一些关键方法,并了解如何训练和测试我的数据集,并解释结果等 .
仅供参考,我正在使用Twitter4J处理推文 .
首先,我获取了推文并保存在文本文件中(当然是ARFF格式) . 然后我手动标记他们的情绪(积极,中立,消极) . 基于选定的分类器,我通过 cross-validation 从我的训练集创建了测试集 . 最后,我将它们分类并打印摘要和混淆矩阵 .
这是我的一个分类器:朴素贝叶斯代码:
public static void ApplyNaiveBayes(Instances data) throws Exception {
System.out.println("Applying Naive Bayes \n");
data.setClassIndex(data.numAttributes() - 1);
StringToWordVector swv = new StringToWordVector();
swv.setInputFormat(data);
Instances dataFiltered = Filter.useFilter(data, swv);
//System.out.println("Filtered data " +dataFiltered.toString());
System.out.println("\n\nFiltered data:\n\n" + dataFiltered);
Instances[][] split = crossValidationSplit(dataFiltered, 10);
Instances[] trainingSets = split[0];
Instances[] testingSets = split[1];
NaiveBayes classifier = new NaiveBayes();
FastVector predictions = new FastVector();
classifier.buildClassifier(dataFiltered);
System.out.println("\n\nClassifier model:\n\n" + classifier);
// Test the model
for (int i = 0; i < trainingSets.length; i++) {
classifier.buildClassifier(trainingSets[i]);
// Test the model
Evaluation eTest = new Evaluation(trainingSets[i]);
eTest.evaluateModel(classifier, testingSets[i]);
// Print the result to the Weka explorer:
String strSummary = eTest.toSummaryString();
System.out.println(strSummary);
// Get the confusion matrix
double[][] cmMatrix = eTest.confusionMatrix();
for(int row_i=0; row_i<cmMatrix.length; row_i++){
for(int col_i=0; col_i<cmMatrix.length; col_i++){
System.out.print(cmMatrix[row_i][col_i]);
System.out.print("|");
}
System.out.println();
}
}
}
而且,仅供参考,crossValidationSplit方法在这里:
public static Instances[][] crossValidationSplit(Instances data, int
numberOfFolds) {
Instances[][] split = new Instances[2][numberOfFolds];
for (int i = 0; i < numberOfFolds; i++) {
split[0][i] = data.trainCV(numberOfFolds, i);
split[1][i] = data.testCV(numberOfFolds, i);
}
return split;
}
最后,我得到了10个不同的结果(因为k = 10) . 其中之一是:
Correctly Classified Instances 4 36.3636 %
Incorrectly Classified Instances 7 63.6364 %
Kappa statistic 0.0723
Mean absolute error 0.427
Root mean squared error 0.5922
Relative absolute error 93.4946 %
Root relative squared error 116.5458 %
Total Number of Instances 11
2.0|0.0|1.0|
1.0|1.0|2.0|
3.0|0.0|1.0|
那么,我怎么能解释结果呢?你认为我在培训和测试集方面做得对吗?我想获得给定文本文件的情绪百分比(正面,中立,负面) . 如何根据这些结果推断出我的需求?谢谢阅读...
2 回答
不幸的是你的代码有点困惑 .
首先,您在整套装备上训练模型:
然后你在for循环中重新训练你的模型:
比你计算混乱mtx还要多 . 我觉得没必要 .
在我看来,你需要应用
Evaluation.crossValidateModel()
方法如下://set the class index dataFiltered.setClassIndex(dataFiltered.numAttributes() - 1); //build a model -- choose a classifier as you want classifier.buildClassifier(dataFiltered); Evaluation eval = new Evaluation(dataFiltered); eval.crossValidateModel(classifier, dataFiltered, 10, new Random(1)); //print stats -- do not require to calculate confusion mtx, weka do it! System.out.println(classifier); System.out.println(eval.toSummaryString()); System.out.println(eval.toMatrixString()); System.out.println(eval.toClassDetailsString());
你做了一些分类 . 默认情况下,Weka始终从训练数据集中获取最后一列/属性,并尝试从所有其他属性中预测其值 . (除非你告诉它使用另一个) .
在这里,我们无法判断这是否对您的案件有意义 . 可能不是 . (您没有向我们展示任何数据) .
因此,您执行的Naive-Bayes分类仅在最后一列已包含情绪分类器时才有用,该分类器的值为正,中性,负值,由先前预处理步骤中的某些无监督学习方法创建 . Weka的分类算法不会为您推断出这一点 .
现在你所做的结果与情绪分析无关 . 我也不能为你做这件事 .
顺便说一下,你只有11个实例 . 你为什么不自己归类?