通过 weka 分类数据集（stringToWord）过滤器

Question

我是 weka 的新手。

我有一个关于特定公司的数据集（推特数据）.. 我使用的过滤器：string to word ..我更改了选项 wordstokeep =100 ，以提高准确性。 然后我应用了分类器： Kstar 55%，随机森林 57%，SMO 58% 这些不是最好的结果..

有什么想法可以帮助我很好地改进它>>

Answer 1

首先尝试预处理您的数据。 Twitter 数据包含大量噪音。删除：

1. 网址
2. 转推
3. 标签
4. 特殊字符 您可以做的另一件事是使用 n-gram。尝试不同的 n-gram 并检查哪一个最适合您。我的看法是使用 unigrams +bigrams。

我还建议使用 naiveBayesMultinomial 分类器。它恰好在文本分类和情感分析中效果最佳。另外它也非常快。如果您希望代码对数据进行预处理，请告诉我:)