为了让我比较我在标记文本分类中的研究结果，我需要有一个基线来比较。我的一位同事告诉我，一个解决方案是使最简单和最愚蠢的分类器成为可能。分类器基于特定标签的频率做出决定。 这意味着，在我的数据集中，我总共有100个样本，当它知道这些样本中有80％具有标签A时，它会将样本分类为＆＃39; A＆＃39;在80％的时间里。由于我的整个研究都在使用Weka API，所以我查看了文档但不幸的是没有发现任何相关内容。
所以我的问题是，Weka是否有可能实现这样的分类器，是的，是否有人可以指出这是可能的？这个问题是纯粹的信息，因为我调查了这个东西，但没有找到任何东西，这里是我希望找到答案的地方。
答案 0 :(得分：0)
该分类器已在Weka中实现，它被称为ZeroR，只是预测最常见的类（在名义类属性的情况下）或均值（在数字类属性的情况下）。如果您想知道如何自己实现这样的分类器，请查看ZeroR源代码。