machine-learning - 为什么weka在WEKA上计算stringToWordVector的数字函数错误？

Question

我想在 WEKA 应用程序上计算数据集的 stringToWordVector。我将wordsToKeep的参数更新为50。但它计算出78个单词。我想要 50 个字，但它计算出 78 个字。如何修正计算结果？

我的数据集:http://www.dt.fee.unicamp.br/~tiago/smsspamcollection - 链接1

Answer 1

-W 选项限制每个类保留的单词数，因此对于 2 个类，设置 -W 50 的限制为 100

来源:

public String wordsToKeepTipText() {
    return "The number of words (per class if there is a class attribute "+
    "assigned) to attempt to keep.";
  }

此外，基于source ，这不是一个严格的约束，它只影响在哪里修剪排序的事件列表，这可以改变

// sort the array
sortArray(array);
if (array.length < m_WordsToKeep) {
// if there aren't enough words, set the threshold to
// minFreq
prune[z] = m_minTermFreq;
  } else {
// otherwise set it to be at least minFreq
prune[z] = Math.max(m_minTermFreq, 
    array[array.length - m_WordsToKeep]);
  }