java中使用朴素贝叶斯(weka)的简单文本分类

Question

我尝试在我的java代码中做文本分类朴素的bayes libarary，但是我认为分类的结果是不正确的，我不知道有什么问题。我使用arff文件作为输入。

这是我的培训数据：

@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testing_data：

@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',?

这是我的密码：

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，应该将垃圾邮件分类为类垃圾邮件的数据被分类为类垃圾邮件，而本应被分类为类垃圾邮件的数据被分类。有什么问题吗?帮帮我.

Answer 1

您的代码似乎很好，尽管我有两个评论要做。

• 首先，使用此命令filter.setInputFormat(train);设置filter的格式，以便使用该过滤器并使测试和训练数据兼容。您应该使用以下命令而不是再次更改格式：filter.setInputFormat(test);，因为这可能会造成兼容性问题。
• 另外，不要获得第一个属性：train.attribute(0).value((int)index); (在我看来，这与class属性不相对应)，尝试使用以下命令train.classAttribute().value((int)index);

请检查Load naïve Bayes model in Java code using weka jar以获得完整的工作流程和分类示例的说明(这些材料曾经出现在这样的文档中)。这个例子使用的是LibLinear分类器，但是逻辑是相同的。