我有一个天真的贝叶斯算法的问题,我无法找出原因。我尝试了一个在线教程,开始时我开始创建一些培训数据。在下面的代码中,我只用了很少的训练数据,但它是同样的问题。情绪分析R德语朴素贝叶斯
pos_tweets = rbind(
c('Ich liebe das auto', 'positive'),
c('Diese Aussicht ist großartig', 'positive'),
c('toller morgen', 'positive'),
c('ich freue mich so', 'positive'),
c('du bist aber lieb, danke', 'positive')
)
neg_tweets = rbind(
c('ich hasse autos', 'negative'),
c('der blick ist horror', 'negative'),
c('voll müde heute', 'negative'),
c('schreckliche stille', 'negative'),
c('er ist ein feind', 'negative')
)
test_tweets = rbind(
c('Schöne Momente erlebt', 'positive'),
c('zusammen macht es gleich doppelt spass', 'positive'),
c('Yeah, toller Tag', 'positive'),
c('Super schöne Umgebung', 'positive'),
c('es zieht ein leichter wind auf, sehr angenehm', 'positive')
)
tweetsbind = rbind(pos_tweets, neg_tweets, test_tweets)
matrix1= create_matrix(tweetsbind[,1], language="german",
removeStopwords=FALSE, removeNumbers=TRUE,
stemWords=FALSE)
mat1 = as.matrix(matrix1)
现在我训练我的模型:
classifier1 = naiveBayes(mat1[1:10,], as.factor(tweetsbind[1:10,2]))
,现在我想使用它:
predicted = predict(classifier1, mat1[11:15,]); predicted
当我看着我的模型看起来相当不错的,因为否定词标记为否定,正面为正面。
虽然使用该模型分析测试数据,但它只输出负数,即使语句显然是正数,并且使用的词也存在于训练集中。
我的新代码是:
# search for some twitter data
happy <- searchTwitter(":)",n = 10000, lang ='de')
happy_text <- sapply(happy, function (x) x$getText())
sad <- searchTwitter(":(",n = 10000, lang ='de')
sad_text <- sapply(sad, function (x) x$getText())
# create the matrix
tweets <- rbind(sad_text[1:2500,], happy_text[1:2500,]) # if I use more training data, I get a storage error
tweet <- as.matrix(tweets)
matrix= create_matrix(tweet[,2], language= "german", removeStopwords=FALSE, removeNumbers=TRUE, stemWords=FALSE)
matrixdoc = as.matrix(matrix)
# transform to factor and train the model
X <- as.data.frame(matrixdoc[1:5000,])
X$out <- as.factor(tweet[1:5000,3])
X <- as.data.frame(lapply(X, factor))
classifierstack <- naiveBayes(out ~ ., data=X)
# predict
predicted = predict(classifierstack, mat1[11:15,],type = "raw")
这是结果:一切IST是负面的,即使我所有的投入都非常positiv(我改变了他们)。
negativ positiv
[1,] 1 5.828223e-176
[2,] 1 4.110223e-244
[3,] 1 3.274458e-244
[4,] 1 3.534996e-176
[5,] 1 0.000000e+00
如果我试试这个:
> predict(classifierstack, "zeigt", type = "raw")
negativ positiv
[1,] 0.5 0.5
- >它总是输出0.5 0.5,终于永远是负面的:/
您是否使用'e1071'包装中的'naiveBayes'? – ekstroem
是的,我正在使用e1071软件包 –
您的更新无法重现,因此看不清您的数据出了什么问题。什么是'testS'?你在原始数据/问题上得到了与以下相同的结果吗? – ekstroem