hadoop綜合實戰(zhàn)-文本挖掘項目_第1頁
hadoop綜合實戰(zhàn)-文本挖掘項目_第2頁
hadoop綜合實戰(zhàn)-文本挖掘項目_第3頁
hadoop綜合實戰(zhàn)-文本挖掘項目_第4頁
已閱讀5頁，還剩6頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領(lǐng)

文檔簡介

1、Hadoop大數(shù)據(jù)解決方案進階應(yīng)用Hadoop講師：迪倫（北風(fēng)網(wǎng) ）Hadoop綜合實戰(zhàn)-文本挖掘項目 (7) Pig劃分數(shù)據(jù)集 模型訓(xùn)練與測試 模型評價課程目標Pig劃分數(shù)據(jù)集測試集統(tǒng)計訓(xùn)練集統(tǒng)計測試集不訓(xùn)練集在每個分類的文件數(shù)目比例均為1:4轉(zhuǎn)化成序列文件語法：mahout seqdirectory Options將訓(xùn)練集轉(zhuǎn)化成序列文件將測試集轉(zhuǎn)化成序列文件數(shù)據(jù)集向量化語法：mahout seq2sparse Options將測試集向量化將訓(xùn)練集向量化選項簡稱說明默認值-minDF-md最小文檔頻數(shù)1-minSupport-ms特征的最小詞頻2-maxNGramSize-ng最大的特征詞數(shù)

2、1-weight-wt使用權(quán)值的種類，TF或TFIDFTFIDF-logNormalize-lnorm是否對輸出向量做Log變換FALSEmaxDFPercent-x用于移除高頻詞99namedVector-nv向量會輸出附加信息模型訓(xùn)練語法：mahout trainnb Options模型測試選項簡稱說明默認值-alpha-a平滑因子1 plementary-c改進貝葉斯-extractLabels-el從輸入數(shù)據(jù)中抽取標簽混淆矩陣每一行代表真實的類別每一列代表分類器輸出的類別第i行第j列的數(shù)字代表類別i被分到類別j的次數(shù)對角線上的數(shù)值越大，分類器的準確性越高評價指標-局部符號說明查全率類Ci被判斷正確的文檔比例查準率模型判斷為類Ci的文檔中，判斷正確的比例評價指標整體查全率、查準率都是對某一類模型的性能評價，只能代表局部的意義宏平均查全率的宏平均值：查準率的宏平均值：指標的平均值微平均微平均下的查全率等于查準率：測試集中被判斷正確的文檔的比例

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論