(训练+测试) Mahout 0.7的朴素贝叶斯分类器中的数据问题

Question

在Mahout中，我们如何手动为朴素贝叶斯分类器制作训练向量和测试向量，而不是使用"--randomSelectionPct"选项进行拆分。根据我的理解，我已经手动构建了训练向量和测试向量，如下所示

bin/mahout seq2sparse -i TestSet0-seq -o TestSet0-vectors
bin/mahout seq2sparse -i TrainSet0-seq -o TrainSet0-vectors


/home/marvin1/hadoop-1.0.4/bin/hadoop fs -cp /user/marvin1/TestSet0-vectors/tfidf-vectors /user/marvin1/test-vectors
/home/marvin1/hadoop-1.0.4/bin/hadoop fs -cp /user/marvin1/TrainSet0-vectors/tfidf-vectors /user/marvin1/train-vectors 

但是这个准确率只有1%。在这里，数据被手动拆分为90:10。但是当我将完整的数据(train+test)传递给mahout并使用"--randomSelectionPct 10时“。然后它提供了大约50%的准确性。请让我知道我在这方面做错了什么。

Answer 1

也许我回答这个query......but已经太晚了，不管怎样，这是我要说的……

如何进行拆分非常重要。有一次在训练数据集时，我曾遇到过类似的问题，因为我使用了属于一个特定类而不是另一个类的部分数据(请参阅Overfitting)。因此，尝试使用一些随机化方法拆分数据集，并检查结果。应该会有明显的改善。