Question

我正在使用Weka中的朴素贝叶斯分类器进行NLP分类项目。我打算使用半监督机器学习，因此使用未标记的数据。当我在一组独立的未标记测试数据上测试从我的标记训练数据中获得的模型时，Weka会忽略所有未标记的实例。任何人都可以指导我如何解决这个问题？之前有人已在此处提出此问题，但未提供任何适当的解决方案。这是一个示例测试文件：

@relation referents
@attribute feature1      NUMERIC
@attribute feature2      NUMERIC
@attribute feature3      NUMERIC
@attribute feature4      NUMERIC
@attribute class{1 -1}
@data
1, 7, 1, 0, ?
1, 5, 1, 0, ?
-1, 1, 1, 0, ?
1, 1, 1, 1, ?
-1, 1, 1, 1, ?

Answer 1

问题在于，当您指定训练集 -t train.arff和测试集 test.arff时，操作模式是计算基于测试集的模型的性能。但是，如果不知道实际的课程，你就无法计算出任何一种表现。没有实际的课程，你怎么知道你的预测是对还是错？

我将您提供的数据用作train.arff和test.arff，并使用我指定的任意类标签。相关的输出行是：

=== Error on training data ===

Correctly Classified Instances           4               80      %
Incorrectly Classified Instances         1               20      %
Kappa statistic                          0.6154
Mean absolute error                      0.2429
Root mean squared error                  0.4016
Relative absolute error                 50.0043 %
Root relative squared error             81.8358 %
Total Number of Instances                5     


=== Confusion Matrix ===

 a b   <-- classified as
 2 1 | a = 1
 0 2 | b = -1

和

=== Error on test data ===

Total Number of Instances                0     
Ignored Class Unknown Instances                  5     


=== Confusion Matrix ===

 a b   <-- classified as
 0 0 | a = 1
 0 0 | b = -1

Weka可以为您提供训练集的统计数据，因为它知道实际的类标签和预测的标签（在训练集上应用模型）。对于测试集，它无法获得有关性能的任何信息，因为它不了解真正的类标签。

您可能想要做的是：

java -cp weka.jar weka.classifiers.bayes.NaiveBayes -t train.arff -T test.arff -p 1-4

在我的情况下会给你：

=== Predictions on test data ===

 inst#     actual  predicted error prediction (feature1,feature2,feature3,feature4)
     1        1:?        1:1       1 (1,7,1,0)
     2        1:?        1:1       1 (1,5,1,0)
     3        1:?       2:-1       0.786 (-1,1,1,0)
     4        1:?       2:-1       0.861 (1,1,1,1)
     5        1:?       2:-1       0.861 (-1,1,1,1)

因此，您可以获得预测，但无法获得性能，因为您有未标记的测试数据。

Weka忽略了未标记的数据

1 个答案: