（训练+测试）Mahout 0.7 朴素贝叶斯分类器中的数据问题答案

【问题标题】：(Training + Testing) Data issue in Naive Bayes Classifier of Mahout 0.7（训练+测试）Mahout 0.7 朴素贝叶斯分类器中的数据问题
【发布时间】：2014-04-04 13:55:31
【问题描述】：

在 Mahout 中，我们如何手动为朴素贝叶斯分类器制作训练向量和测试向量，而不是使用 "--randomSelectionPct" 选项进行拆分。根据我的理解，我已经手动构建了训练向量和测试向量

bin/mahout seq2sparse -i TestSet0-seq -o TestSet0-vectors
bin/mahout seq2sparse -i TrainSet0-seq -o TrainSet0-vectors


/home/marvin1/hadoop-1.0.4/bin/hadoop fs -cp /user/marvin1/TestSet0-vectors/tfidf-vectors /user/marvin1/test-vectors
/home/marvin1/hadoop-1.0.4/bin/hadoop fs -cp /user/marvin1/TrainSet0-vectors/tfidf-vectors /user/marvin1/train-vectors

但是这个准确率只有 1%。这里的数据是 90-10 手动拆分。但是当我将完整的数据（训练+测试）传递给 mahout 并使用 "--randomSelectionPct 10" 时，它的准确率约为 50%。请让我知道我在这方面做错了什么。

【问题讨论】：

标签： testing classification mahout

【解决方案1】：

可能我回答这个问题为时已晚......但无论如何这就是我要说的......
你如何进行拆分很重要......我遇到过类似的情况有一次在训练数据集时出现问题，我使用了一部分数据，这些数据属于一个特定类而不是另一个（参见Overfitting）。因此尝试使用一些随机方法拆分数据集，并检查结果。肯定会改进的。

【讨论】：