鉴于我有一套培训文本文档和一组测试文本文档。两套非常大，所以使用weka不是一个好选择，因为它花费了很多时间。因此，我使用mahout--一个可扩展的机器学习和数据挖掘框架（http://mahout.apache.org/）。 接下来，我使用mahout将训练文档转换为mahout向量（set ngram = 1）。这里我有一个mahout向量表示训练文档，其中每个向量的大小是属性或特征的数量，并且该向量中的每个数字是训练文档中单词的频率（使用tf而不是tf-idf）。 是否有人知道如何根据我之前在mahout中构建的培训数据的功能或属性来转换测试文档？
答案 0 :(得分：0)
＆＃34;转换＆＃34;你所指的实际上是一个＆＃34;预测＆＃34; ..不是吗？鉴于您已经训练过数据 - 可能您有一个可用于分类的模型。
您可以在此处使用mahout的命令行工具：
http://mahout.apache.org/users/basics/creating-vectors-from-text.html