我需要在训练示例上学习分类器并对测试示例进行分类。我的例子是长文本。我想使用一个特征集，其中第 i 个元素是第 i 个最常用的词，例如，第一个特征是最常用的词。
我的问题是，如果我使用字符串功能，那么我就不能使用我想要的分类器。如果我使用名义特征，我会将第一个特征作为训练示例中最常用的词。对于测试示例，第一个特征是我的测试示例中最常用的单词。所以这些特性是不一样的，我想用分类器的时候，weka说不匹配。
你有解决方案吗？
我希望能够使用每个文本中出现频率最高的 50 个单词的特征集，并且训练示例的 arff 不应受到测试示例的影响。此外，我希望能够使用多种分类器（如 smo、naive-bayes、j48 等）。
谢谢！