如何在Apache Mahout中对数值数据进行分类？
如何在Apache Mahout中对数值数据进行分类？
提问于 2014-09-15 08:21:55
我有一个格式为class, unigram count, bigram count, sentiment的数值数据集。我浏览了一些Apache Mahout文档，它们都是关于文本数据的。我知道我需要执行3个步骤来分类:转换为序列文件，矢量化序列文件，通过它来训练朴素贝叶斯分类器。但我很难理解在Mahout中对文本数据集进行分类与对数值数据集进行分类之间的区别。在我的案例中，我需要做哪些不同的事情？如果有任何帮助，我将不胜感激。
回答 1
Stack Overflow用户
发布于 2014-09-16 17:59:39
正如您可能知道的，mahout不能使用文本数据来训练模型。如果从数值数据集开始，分类将更加容易，因为mahout处理的向量是数值数据向量。
我在文本数据集上使用了mahout，我知道在这种情况下，我必须使用字典将文本数据转换为数值数据。一些算法比其他算法更好地处理它(例如，朴素贝叶斯强烈喜欢类似文本的数据)。
因此，在您的情况下，尝试使用其他分类器，如随机福雷斯特或在线逻辑回归，以获得更有效的结果。在我的经验中，使用random forrest，你可以只定义你拥有的特征的类型(在你的例子中，你的所有特征都是数字的)，所以分类可以很容易地完成。如果你想坚持使用朴素贝叶斯，我相信仍然可以对你的数值数据集进行分类，但我从来没有使用过它，所以我不能提供更多的帮助。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/25839302
复制相关文章
相似问题
腾讯云开发者
