hadoop综合实战-文本挖掘项目_第1页
hadoop综合实战-文本挖掘项目_第2页
hadoop综合实战-文本挖掘项目_第3页
hadoop综合实战-文本挖掘项目_第4页
已阅读5页，还剩6页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

1、Hadoop大数据解决方案进阶应用Hadoop讲师：迪伦（北风网 ）Hadoop综合实战-文本挖掘项目 (7) Pig划分数据集 模型训练与测试 模型评价课程目标Pig划分数据集测试集统计训练集统计测试集不训练集在每个分类的文件数目比例均为1:4转化成序列文件语法：mahout seqdirectory Options将训练集转化成序列文件将测试集转化成序列文件数据集向量化语法：mahout seq2sparse Options将测试集向量化将训练集向量化选项简称说明默认值-minDF-md最小文档频数1-minSupport-ms特征的最小词频2-maxNGramSize-ng最大的特征词数

2、1-weight-wt使用权值的种类，TF或TFIDFTFIDF-logNormalize-lnorm是否对输出向量做Log变换FALSEmaxDFPercent-x用于移除高频词99namedVector-nv向量会输出附加信息模型训练语法：mahout trainnb Options模型测试选项简称说明默认值-alpha-a平滑因子1 plementary-c改进贝叶斯-extractLabels-el从输入数据中抽取标签混淆矩阵每一行代表真实的类别每一列代表分类器输出的类别第i行第j列的数字代表类别i被分到类别j的次数对角线上的数值越大，分类器的准确性越高评价指标-局部符号说明查全率类Ci被判断正确的文档比例查准率模型判断为类Ci的文档中，判断正确的比例评价指标整体查全率、查准率都是对某一类模型的性能评价，只能代表局部的意义宏平均查全率的宏平均值：查准率的宏平均值：指标的平均值微平均微平均下的查全率等于查准率：测试集中被判断正确的文档的比例

人人文库> 全部分类> 教育资料 > 课件下载

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论