我正在研究推文的情绪分析。我正在使用 mahout 朴素贝叶斯分类器。我正在创建一个目录“数据”。在“数据”内部，我正在创建另外三个名为“正”、“负”、“不确定”的目录。然后我保留了 151 个文件（总共151Mb）在这些正面、负面和不确定的目录中的每一个上。然后我将数据目录保存在 hdfs 中。下面是我运行的一组命令来生成模型和标签索引。
bin/mahout seqdirectory -i ${WORK_DIR}/data -o ${WORK_DIR}/data-seq
bin/mahout seq2sparse -i ${WORK_DIR}/data-seq -o ${WORK_DIR}/data-vectors -lnorm -nv -wttfidf
bin/mahout split -i ${WORK_DIR}/data-vectors/tfidf-vectors --trainingOutput ${WORK_DIR}/data-train-vectors --testOutput ${WORK_DIR}/data-test-vectors --randomSelectionPct 40 --overwrite --sequenceFiles -xm sequential
bin/mahout trainnb -i ${WORK_DIR}/data-train-vectors -el -o ${WORK_DIR}/model -li ${WORK_DIR}/labelindex -ow $c
在使用“testnb”命令对同一组数据进行测试后，我得到了混淆矩阵，如下所示：
bin/mahout testnb -i ${WORK_DIR}/data-train-vectors -m ${WORK_DIR}/model -l ${WORK_DIR}/labelindex -ow -o ${WORK_DIR}/data-testing $c
Confusion Matrix
-------------------------------------------------------
a b c <--Classified as
151 0 0 | 151 a = negative
0 151 0 | 151 b = positive
0 0 151 | 151 c = uncertain
然后我以相同的方式创建了另一个目录“data2”，并将一些随机数据（这是训练数据的子集（30 个文件（每个文件总大小 30MB）））放在其中的正、负、不确定目录中。然后我使用下面给出的“seq2sparse”命令从中创建了一个向量：-
bin/mahout seqdirectory -i ${WORK_DIR}/data2 -o ${WORK_DIR}/data2-seq
bin/mahout seq2sparse -i ${WORK_DIR}/data2-seq -o ${WORK_DIR}/data2-vectors -lnorm -nv -wttfidf
使用下面给出的命令从前一组数据创建的模型/标签索引运行“testnb”：-
bin/mahout testnb -i ${WORK_DIR}/data2-vectors/tfidf-vectors/part-r-00000 -m ${WORK_DIR}/model -l ${WORK_DIR}/labelindex -ow -o ${WORK_DIR}/data2-testing $c
我得到这样的混淆矩阵。
Confusion Matrix
-------------------------------------------------------
a b c <--Classified as
0 30 0 | 30 a = negative
0 30 0 | 30 b = positive
0 30 0 | 30 c = uncertain
谁能告诉我为什么会这样。我使用正确的方法来测试模型还是 mahout 0.7 中的错误。如果不是正确的方法，请提出解决方法。