machine-learning - 为什么 WEKA-TestSets 必须有一个 class 属性？

Question

我有非常明确的机器学习训练集(仅字符串属性)。

例如

@relation training_rel

@attribute class {politics,sports}
@attribute text string

@data
politics,'some text about politics over here'
... // a lot of other training instances of class politics
sports,'and now some sports over here'
... // a lot of other training instances of class sports

好吧，这是我的训练集，当然只是一个例子......现在我想构建一个分类器(NaiveBayes)。这工作完全没问题。我知道大多数分类器无法处理文本，所以我必须过滤我的数据。我为此使用 StringToWordVector。

我发现的所有网络示例都定义了具有类值的测试实例( http://www.cs.ubc.ca/labs/beta/Projects/autoweka/datasets/ )但为什么？我的意思是我不知道我的文本属于政治还是体育，这就是为什么我使用分类器来了解这个......我理解错了吗？

Answer 1

测试数据集中的标签用于分类器评估目的。您可以根据训练数据集训练模型，并在测试数据集上评估模型性能。如果没有标签，您将无法评估测试数据。

在实际使用的时候，你不会知道实际的标签。因此，让测试数据代表真实数据集非常重要。否则你的评估结果就没有值(value)。