（培训+测试）Mahout 0.7的朴素贝叶斯分类器中的数据问题

Question

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，我已经手动构建了火车矢量和测试矢量

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，按此精度，只有1％。 此处数据是90-10手动分割的。 但是当我将完整的数据（train + test）传递给mahout并使用了"--randomSelectionPct 10 ”时。 然后，它给出了大约50％的精度。 请让我知道我做错了什么。

Answer 1

也许我回答这个查询为时已晚...但是无论如何，这就是我要说的...
您如何进行拆分非常重要。.当我在训练一个数据集时曾经遇到过一个类似的问题，我使用了属于一个特定类别而不是另一个类别的一部分数据（请参阅过度拟合 ）。 因此，请尝试使用一些随机方法拆分数据集，然后检查结果。 应该肯定会改善。