數(shù)據(jù)挖掘實驗報告六

實驗六：文本分類及分析實驗步驟1.學習并掌握命令行調(diào)用Weka。如：相關語句，流程等打開“SimpleCLI”模塊或cmd窗口下將路徑切換到weka安裝目錄下，我們以BP神經(jīng)網(wǎng)絡為例：javaweka.classifiers.functions.MultilayerPerceptron后跟參數(shù)，以下為每個參數(shù)的說明：-t：訓練集文件-T：測試集文件-X：交叉驗證時，將訓練集分成的份數(shù)N,N-1作為訓練集，一份作為測試集-d：將模型保存到的文件-1：使用的現(xiàn)有模型的路徑文件-A：設置是否自動創(chuàng)建隱藏層-B：是否將norminal轉為二進制-I：設置是否對輸入屬性值進行歸一化處理-G：是否GUI顯示-H：隱藏層節(jié)點個數(shù)設置-S：隨機值種子-N：循環(huán)次數(shù)，即對所有訓練集數(shù)據(jù)做的循環(huán)-M：momentum值-L：學習率-E：threshold，用于控制當連續(xù)threshold次誤差都比上次誤差大時，停止迭代-D：用于設置隨著循環(huán)次數(shù)的增加時降低學習率值-R：是否重置網(wǎng)絡-0：不打印模型-xml：從xml文件中加載參數(shù)2.給定路透社新聞語料文本，對其進行文本分類。要求：看懂數(shù)據(jù)集；選擇合適分類器；正確分類我的包含數(shù)據(jù)的文件夾名為test和training，其中包含10個子文件夾，就是10個分類的類名（如果是3個分類就3個子文件夾）。每個子文件夾中包含多個文件，每個文件中的內(nèi)容就是一條語料。在Weka的SimpleCLI中運行下面這條命令，我的文件夾是在d盤根目錄下，運行成功后，將生成d:/test.arff與d:/training.arff這個文件。javaweka.core.converters.TextDirectoryLoader-dird:/test>d:/test.arffjavaweka.core.converters.TextDirectoryLoader-dird:/training>d:/training.arff打開training.arff文件，并在分類器里選擇使用測試集，并選擇test.arff，選擇分類器為FilteredClassifier，并在其中設置過濾器為StringToWordVector進行分類；

Qweka.gui.GenericObjectEditor X^eka.classifiers.meta.FilteredClasEifierAboutClassforrunninganarbitraryclassifierondatathathasbeenpassedthroughanarbitraryfilter.MoreCapabilitiesOpen...Save...OKCancel實驗結果如下：limetakentctestmodelonsuppliedtests-et:0.74seconds===SmundEy===Cor-rectlyC^lassizziedInstancesIncorrectlyCLassiziedInat日nue日Kappastatistic.MeanabacluteerrorRoot皿亡bfl日quBrEderrorRelatiYEabaeluteerrorRootrelative 亡匚ui□匚lotalITuiribercfIns