Weka的GUI下NaiveBayes的奇怪结果

Question

我使用Weka的GUI对文本文档进行分类。我的数据集是.arff格式。

我应用了StringToWordVector过滤器。然后，我应用RemovePercentage过滤器将我的数据集分为火车和测试集。它总共包含99个实例和934个属性。在火车测试分裂之后，火车集合包含66个实例并且测试集合包含33个实例。

我在列车集中学习模型：结果是100％作为精度 然后，我测试在测试集上学习的模型：结果是3.0303％。

任何人都可以帮助我理解为什么我得到3.0303％以及如何改善这个结果？

Answer 1

朴素贝叶斯模型学到的是overfitted。您可以尝试不同的火车/测试分组（或cross validation）以防止发生此情况。您还可以尝试调整朴素贝叶斯算法的参数或使用其他参数。