Weka的GUI下NaiveBayes的奇怪結果

Question

我使用Weka的GUI對文本文檔進行分類。我的數據集是.arff格式。

我應用了StringToWordVector過濾器。然後，我應用RemovePercentage過濾器將我的數據集分爲火車和測試集。它總共包含99個實例和934個屬性。在火車測試分裂之後，火車集合包含66個實例並且測試集合包含33個實例。

我在列車集中學習模型：結果是100％作爲精度 然後，我測試在測試集上學習的模型：結果是3.0303％。

任何人都可以幫助我理解爲什麼我得到3.0303％以及如何改善這個結果？

Answer 1

樸素貝葉斯模型學到的是overfitted。您可以嘗試不同的火車/測試分組（或cross validation）以防止發生此情況。您還可以嘗試調整樸素貝葉斯算法的參數或使用其他參數。