WEKA培训示例和测试示例不匹配

Question

我需要在训练样例上学习分类器并对测试示例进行分类。我的例子是长篇文章。我想使用一个特征集，其中第i个元素是我最常用的单词，例如，第一个特征是最常用的单词。

我的问题是，如果我使用字符串功能，那么我就不能使用我想要的分类器。如果我使用名义特征，我将第一个特征作为训练样例中最常用的词。对于测试示例，第一个特性是我的测试示例中最常用的字。所以这些功能是不同的，当我想使用分类器时，weka说它不匹配。

你有解决方案吗？

我希望能够使用每个文本中最常用的50个单词的功能集，并且训练示例的arff不应受测试示例的影响。此外，我希望能够使用多种分类器（如smo，naive-bayes，j48等）。

谢谢！

Answer 1

对于任何预处理任务，您应该使用'FilteredClassifier'。因此，仅基于训练集确定实际预处理操作，然后将其应用于测试数据。

例如：如果您通过这种方式进行离散化，实际的二进制位将仅取决于训练数据中的属性值。然而，使用这些箱的离散化将应用于测试数据。