我已经使用weka构建了一个分类模型。我有两个类，即{spam，non-spam}。应用stringtowordvector过滤器后，我获得了19000条记录的10000个属性。然后我使用liblinear库来构建模型，它给我F-score如下： 垃圾邮件94％ 非垃圾-98％
当我使用相同模型预测新实例时，它会将所有实例预测为垃圾邮件。 此外，当我尝试使用与训练集相同的测试集时，它也会将所有测试集预测为垃圾邮件。我精神上很疲惫，无法找到问题。任何帮助都将受到赞赏。
答案 0 :(得分：0)
我经常这样做也错了。然后我观看了这段视频，以提醒自己它是如何完成的：https://www.youtube.com/watch?v=Tggs3Bd3ojQ其中一位Weka开发人员/建筑师Witten教授展示了如何使用 FilteredClassifier （这反过来又是配置为正确加载训练数据集和测试集上的StringToWordVector过滤器。
这显示了weka 3.6，weka 3.7。可能会略有不同。
ZeroR为您提供什么？如果它接近100％，你知道任何分类算法也不应该太远。
为什么要针对F-Measure进行优化？只是问问而已。我从来没有用过这个，也不太了解它。 （我会针对＆＃34; Precision＆＃34;指标进行优化，假设您拥有的垃圾邮件数量超过非垃圾邮件数量。）