【发布时间】：2019-05-30 15:26:45
【问题描述】：
我正在研究一种新想法，以提高半监督学习的分类准确性。我想使用相同的文本分类数据集并将该数据集拆分为标记集和未标记集，我如何在 Java 中做到这一点？
谁能帮助我？
【问题讨论】：
标签： java machine-learning weka
【发布时间】：2019-05-30 15:26:45
【问题描述】：
使用较少的标签不会提高准确性。如果您拆分数据以从一组中删除标签并将其用于半监督学习，它只会降低您的准确性。 半监督的目的是为监督学习标记大量数据的过程非常耗时且昂贵，因此如果您需要更多数据（您已经拥有），那么您可以使用技术来使用未标记的数据。 在考虑使用 Java 进行编码之前，您能否进一步了解您为什么要考虑这个问题？
【讨论】：
-
感谢您的快速回复。在我的工作中，我尝试通过找到更准确的概率项估计来提高朴素贝叶斯分类器在半监督学习中的分类精度。我将在贝叶斯分类器上实现我的想法，然后将我的结果与原始贝叶斯分类器的结果进行比较，看看我的想法将如何提高分类器的性能。在这里，我需要一个完全标记的数据集来将其用作未标记的数据。由于我知道它们的真实标签，我可以评估我的分类器在分类未标记数据时的分类准确性