mahout训练贝叶斯模式分类准确率不高

[编程原理]

mahout训练贝叶斯模式分类准确率不高，如下图，在剔除一个训练样本数据后，准确率提升两个百分点，证明剔除掉的一个样本对其他样本分类产生影响，有什么办法提高贝叶斯模型分类的准确率呢？

剔除样本women-clothing样本后的训练结果如下图：

[撸大湿]

1、增加样本数据量，感觉你的样本量太少 2、增加测试次数

[kissstefani]

学习，下个月会用到。

[编程原理]

增加测试数据后结果一样的，增加样本会增加其词频出现的不确定性，主要是现在样本是用庖丁词库分词的，对于服装领域庖丁分词不够精致，造成构造训练样本的时候分类不够精准，所以训练出来的模型总会有误差，现在关键要能得到训练模型的日志，在分类的时候能够找出分错位置的样本文本，这样把错误的文本剔除掉应该就能提高模型的准确率了，问题就在，怎么找出分错位置的文本

[spmydl]

能问问 您在 20-news的基础上做了哪些改动

[beowulf2005]

几千个数据动用hadoop，嗯，杀鸡用牛刀，费电不? 你这数据量乘以10的6次方以后再整hadoop吧。