您好我是机器学习的新手，因此正在寻找文本分类解决方案。可以推荐一个用java编写的漂亮框架吗？我想过使用WEKA，还听说过MALLET。什么更好，主要区别在哪里？
我的目标是对未标记的文本进行分类。因此，我为每个学习主题准备了大约18个主题和100个文本。
你会建议做什么？也会欣赏一个很好的小例子或如何继续的提示。
2 个答案:
答案 0 :(得分：2)
你有一个非常小的文本数据集，你可以使用任何库 - 它并不重要。更高级的选项需要更多的数据而不是有意义，所以这不是一个值得考虑的问题。处理文本分类问题的简单方法是使用Bag of Words模型和线性分类器。 Weka和MALLET都支持这一点。
就我个人而言，我发现Weka是一个痛苦而MALLET记录不佳/过时，因此我使用JSAT。有一个关于垃圾邮件分类的例子here。
（偏见警告，我是JSAT的作者）。
答案 1 :(得分：0)
由于您的任务相当简单，并且正如您在ML中提到的那样，我建议您使用weka，因为它易于使用且拥有庞大的用户社区。
否则，这里有一些Java中的通用机器学习框架，您可以查看：
- Datumbox - 用于快速开发机器学习和统计应用程序的机器学习框架
- ELKI - 用于数据挖掘的Java工具包。 （无监督：聚类，异常检测等）。
- H2O - ML引擎，支持对存储在HDFS中的数据进行分布式学习。
- htm.java - 使用Numenta的皮质学习算法的通用机器学习库
- java-deeplearning - 用于Java的分布式深度学习平台，Clojure，Scala
- JAVA-ML - 具有Java中所有算法的通用接口的通用ML库
- JSAT - 用于分类，回归和聚类的众多机器学习算法。
- Mahout - 分布式机器学习
- Meka - 多标签分类和评估方法的开源实现（Weka扩展）。
- Apache Spark中的MLlib - Spark中的分布式机器学习库
- Neuroph - Neuroph是轻量级Java神经网络框架
- ORYX - 简单的实时大型机器学习基础设施。
- RankLib - RankLib是一个学习排名算法的库
- RapidMiner - RapidMiner与Java代码的集成
- 斯坦福分类器 - 分类器是一种机器学习工具，它将获取数据项并将它们放入k类之一。
- WalnutiQ - 人脑的面向对象模型
- Weka - Weka是用于数据挖掘任务的机器学习算法的集合
来源：Awesome Machine Learning