我正在研究推文的情绪分析。 我正在使用mahout朴素贝叶斯分类器。我正在制作一个目录“数据”。在“数据”旁边我正在制作另外三个名为“正面”,“负面”,“不确定”的目录。然后我保留了151个文件(总计151Mb)在这些正面,负面和不确定的目录中。然后我将数据目录保存在hdfs..below中,这是我运行的命令集,用于生成模型和labelindex。
bin/mahout seqdirectory -i ${WORK_DIR}/data -o ${WORK_DIR}/data-seq
bin/mahout seq2sparse -i ${WORK_DIR}/data-seq -o ${WORK_DIR}/data-vectors -lnorm -nv -wttfidf
bin/mahout split -i ${WORK_DIR}/data-vectors/tfidf-vectors --trainingOutput ${WORK_DIR}/data-train-vectors --testOutput ${WORK_DIR}/data-test-vectors --randomSelectionPct 40 --overwrite --sequenceFiles -xm sequential
bin/mahout trainnb -i ${WORK_DIR}/data-train-vectors -el -o ${WORK_DIR}/model -li ${WORK_DIR}/labelindex -ow $c
在使用“testnb”命令测试同一组数据后,我得到了混淆矩阵,如下所示:
bin/mahout testnb -i ${WORK_DIR}/data-train-vectors -m ${WORK_DIR}/model -l ${WORK_DIR}/labelindex -ow -o ${WORK_DIR}/data-testing $c
Confusion Matrix
-------------------------------------------------------
a b c <--Classified as
151 0 0 | 151 a = negative
0 151 0 | 151 b = positive
0 0 151 | 151 c = uncertain
然后我以相同的方式创建了另一个目录“data2”并将一些随机数据(这是一组训练数据的子集(每个30个文件(总大小30MB))放在正面,负面,不确定的目录中然后我使用下面给出的“seq2sparse”命令创建了一个向量: -
bin / mahout seqdirectory -i $ {WORK_DIR} / data2 -o $ {WORK_DIR} / data2-seq
bin / mahout seq2sparse -i $ {WORK_DIR} / data2-seq -o $ {WORK_DIR} / data2-vectors -lnorm -nv -wttfidf
使用下面给出的命令,使用从上一组数据创建的模型/ lablelindex运行“testnb”: -
bin/mahout testnb -i ${WORK_DIR}/data2-vectors/tfidf-vectors/part-r-00000 -m ${WORK_DIR}/model -l ${WORK_DIR}/labelindex -ow -o ${WORK_DIR}/data2-testing $c
我这样得到混乱矩阵。
Confusion Matrix
-------------------------------------------------------
a b c <--Classified as
0 30 0 | 30 a = negative
0 30 0 | 30 b = positive
0 30 0 | 30 c = uncertain
任何人都可以告诉我为什么会这样。我使用正确的方法来测试模型,或者它是mahout 0.7中的一个错误。如果它不是正确的方法,请提出一条出路。
答案 0 :(得分:1)
你可以试试这个:
bin/mahout testnb -i ${WORK_DIR}/data2-vectors/tfidf-vectors -m ${WORK_DIR}/model -l ${WORK_DIR}/labelindex -ow -o ${WORK_DIR}/data2-testing $c
(删除“part-r-00000”)