hadoop綜合實(shí)戰(zhàn)-文本挖掘項(xiàng)目_第1頁(yè)
hadoop綜合實(shí)戰(zhàn)-文本挖掘項(xiàng)目_第2頁(yè)
hadoop綜合實(shí)戰(zhàn)-文本挖掘項(xiàng)目_第3頁(yè)
hadoop綜合實(shí)戰(zhàn)-文本挖掘項(xiàng)目_第4頁(yè)
已閱讀5頁(yè)，還剩6頁(yè)未讀， 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明：本文檔由用戶(hù)提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、Hadoop大數(shù)據(jù)解決方案進(jìn)階應(yīng)用Hadoop講師：迪倫（北風(fēng)網(wǎng) ）Hadoop綜合實(shí)戰(zhàn)-文本挖掘項(xiàng)目 (7) Pig劃分?jǐn)?shù)據(jù)集 模型訓(xùn)練與測(cè)試 模型評(píng)價(jià)課程目標(biāo)Pig劃分?jǐn)?shù)據(jù)集測(cè)試集統(tǒng)計(jì)訓(xùn)練集統(tǒng)計(jì)測(cè)試集不訓(xùn)練集在每個(gè)分類(lèi)的文件數(shù)目比例均為1:4轉(zhuǎn)化成序列文件語(yǔ)法：mahout seqdirectory Options將訓(xùn)練集轉(zhuǎn)化成序列文件將測(cè)試集轉(zhuǎn)化成序列文件數(shù)據(jù)集向量化語(yǔ)法：mahout seq2sparse Options將測(cè)試集向量化將訓(xùn)練集向量化選項(xiàng)簡(jiǎn)稱(chēng)說(shuō)明默認(rèn)值-minDF-md最小文檔頻數(shù)1-minSupport-ms特征的最小詞頻2-maxNGramSize-ng最大的特征詞數(shù)

2、1-weight-wt使用權(quán)值的種類(lèi)，TF或TFIDFTFIDF-logNormalize-lnorm是否對(duì)輸出向量做Log變換FALSEmaxDFPercent-x用于移除高頻詞99namedVector-nv向量會(huì)輸出附加信息模型訓(xùn)練語(yǔ)法：mahout trainnb Options模型測(cè)試選項(xiàng)簡(jiǎn)稱(chēng)說(shuō)明默認(rèn)值-alpha-a平滑因子1 plementary-c改進(jìn)貝葉斯-extractLabels-el從輸入數(shù)據(jù)中抽取標(biāo)簽混淆矩陣每一行代表真實(shí)的類(lèi)別每一列代表分類(lèi)器輸出的類(lèi)別第i行第j列的數(shù)字代表類(lèi)別i被分到類(lèi)別j的次數(shù)對(duì)角線上的數(shù)值越大，分類(lèi)器的準(zhǔn)確性越高評(píng)價(jià)指標(biāo)-局部符號(hào)說(shuō)明查全率類(lèi)Ci被判斷正確的文檔比例查準(zhǔn)率模型判斷為類(lèi)Ci的文檔中，判斷正確的比例評(píng)價(jià)指標(biāo)整體查全率、查準(zhǔn)率都是對(duì)某一類(lèi)模型的性能評(píng)價(jià)，只能代表局部的意義宏平均查全率的宏平均值：查準(zhǔn)率的宏平均值：指標(biāo)的平均值微平均微平均下的查全率等于查準(zhǔn)率：測(cè)試集中被判斷正確的文檔的比例

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間，僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請(qǐng)與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論