为什么 weka 中的分类模型将所有实例预测为一个类？

Question

我已经使用 weka 建立了一个分类模型。我有两个类，即 {spam,non-spam} 应用 stringtowordvector 过滤器后，我得到了 19000 条记录的 10000 个属性。然后我使用 liblinear 库来构建模型，它给我的 F 分数如下： 垃圾邮件-94% 非垃圾邮件 98%

当我使用相同的模型来预测新实例时，它会将所有这些实例都预测为垃圾邮件。 此外，当我尝试使用与训练集相同的测试集时，它也将它们都预测为垃圾邮件。找到问题我已经筋疲力尽了。任何帮助将不胜感激。

Answer 1

我也经常弄错。然后我观看这个视频来提醒自己它是如何完成的：https://www.youtube.com/watch?v=Tggs3Bd3ojQ Witten 教授，Weka 开发人员/架构师之一展示了如何使用 FilteredClassifier（它又被配置为加载 StringToWordVector 过滤器) 在训练数据集和测试集上正确。

这是针对 weka 3.6、weka 3.7 显示的。可能略有不同。

ZeroR 给你什么？如果接近 100%，你就知道任何分类算法都应该不会差太多。

为什么要针对 F-Measure 进行优化？只是问问而已。我从来没有使用过这个，也不太了解它。 （假设您的垃圾邮件比非垃圾邮件多得多，我会针对“精确度”指标进行优化）。