由weka分類數據集（stringToWord）過濾器

Question

我是weka中的新成員。

我有一個關於特定公司的數據集（twitter數據）.. 我使用的過濾器：字符串到字..我更改選項wordstokeep = 100，以提高準確性。 然後我申請分類： 科士達55％，隨機森林57％，SMO 58％ 這些並不是最好的結果..

有沒有什麼想法，那幫助我提高得很好> >

Answer 1

首先嚐試預處理您的數據。 Twitter數據包含很多噪音。刪除：

1. URL
2. 銳推
3. 主題標籤
4. 特殊字符 ，你可以做一件事是使用正克。嘗試不同的n-gram，並檢查哪一個最適合你。我的意見是採用unigrams + bigrams。

我也建議使用naiveBayesMultinomial分類器。它恰好在文本分類和情感分析方面效果最好.Plus也是超快的。如果你想要代碼預處理數據，請讓我知道:)