weka中的一元类文本分类？答案

【问题标题】：unary class text classification in weka?weka中的一元类文本分类？
【发布时间】：2012-05-10 19:09:04
【问题描述】：

我有一个特定类别（比如癌症）的训练数据集（文本）。我想在 weka 中为这个类训练一个 SVM 分类器。但是，当我尝试通过创建一个文件夹“cancer”并将所有这些训练文件放入该文件夹来执行此操作时，当我运行代码时，我收到以下错误： weka.classifiers.functions.SMO：无法处理一元类！

我想要做的是，如果分类器找到与“癌症”相关的文档，它会正确显示类名，一旦我输入非癌症文档，它应该会显示类似“未知”的内容。

我应该怎么做才能得到这种行为？

【问题讨论】：

标签： text machine-learning classification weka svm

【解决方案1】：

Weka 中的 SMO 算法只在两个类之间进行二元分类。顺序最小优化是解决 SVM 的特定算法，在 Weka 中，这是该算法的基本实现。如果你有一些例子是癌症而一些不是，那么那将是二元的，也许你没有正确标记它们。

但是，如果您使用的是所有癌症示例的训练数据，并且您希望它告诉您未来的示例是否符合该模式，那么您正在尝试进行一类 SVM，也就是异常值检测。

LibSVM in Weka 可以处理一类 svm。与 Weka SMO 实现不同，LibSVM 是一个独立的程序，它已与 Weka 连接，并结合了许多不同的 SVM 变体。 Wekalist 上的This post 解释了如何在 Weka 中使用 LibSVM。

【讨论】：

感谢您的回答。我让它工作了。如果我只想确定有多少与癌症相关的文档（一类)?
区别在于有没有反例。如果您有 100 个癌症样本和 100 个非癌症样本，那么这是两个类别，癌症和非癌症。如果你只有说 100 个健康的例子，并且想知道是否有任何异常，那就是一类。
我在 Weka 使用 LibSVM 进行了一节课培训。但问题是在测试期间，所有测试实例都归类到我在训练中使用的类，它并没有说至少有一个实例不相关，我确信测试实例与该类完全无关。这可能是什么原因？
你做参数调优了吗？ SVM 对其参数非常敏感，它不是“开箱即用”的解决方案。这份来自 libsvm 的文档是一个很好的介绍：csie.ntu.edu.tw/~cjlin/papers/guide/guide.pdf
其他几件事要检查 - 如果您有两个类，培训文件是否包含类属性和/或两个类的示例？如果您选择了一类 SVM 并且只给它提供了一个包含两个类的文件，它可能认为类变量是一个属性并将其包含在模型中，在这种情况下，如果您给它提供任何具有该属性值的任何值将其视为课程的一部分。