斯坦福NLP文本分类器，自定义功能和混淆矩阵

Question

我在Java代码中使用了Stanford NLP文本分类器（ColumnDataClassifier）。我有两个主要问题。

1-）如何打印更详细的评估信息，例如混淆矩阵。

2-）我的代码已经进行了预处理并提取了术语的数字特征（向量），例如二进制特征或TF-IDF值。如何使用这些功能来训练和测试分类器。

Answer 1

1. 我在here中提出了相关问题。 ColumnDataClassifier无法在混淆矩阵中输出指标。但是，如果查看ColumnDataClassifier.java处的代码，您可以看到TP，FP，TN，FN输出到stdin的位置。这个地方有您需要的原始值。它可以用于将这些聚合成混淆矩阵并在运行后输出的方法，但您必须自己编写此代码。

2. wiki有一个如何使用ColumnDataClassifier的数字要素的示例。如果您使用数字特征，请查看API中允许您应用某些转换的这些选项：

   realValued  boolean false   Treat this column as real-valued and do not perform any transforms on the feature value.    Value
   logTransform    boolean false   Treat this column as real-valued and use the log of the value as the feature value. Log
   logitTransform  boolean false   Treat this column as real-valued and use the logit of the value as the feature value.   Logit
   sqrtTransform   boolean false   Treat this column as real-valued and use the square root of the value as the feature value. Sqrt