C# Mallet作为二值分类器在文档分类中的应用

我使用Mallet实现了一个文档分类工具，它将文档的每一页分类为特定的类别。我也试过Weka，但在这方面Mallet比Weka聪明。我的做法如下：

将文档的页面训练到已知类别

测试一些示例文档，看Mallet是否识别某个类别的页面。这里，木槌与已知类别的测试集相匹配

若测试成功并且令人满意，那个么使用分类器和mallet文件在巨大的文档库上运行 该部分已经实现，成功率很高

对于我没有训练过且与已知类别不同的文本文档，应该作为不匹配返回，Mallet正在尝试从训练集中为Mallet未知的文档查找匹配项

例如，我在一个文档中有4页。第1页属于A类，第3页属于B类。第2页和第4页不属于任何类别。如何通过木槌将第2页和第4页标记为“不匹配”

请帮助我实现这一目标。如果我做错了什么，请告诉我，或者其他任何可以给我所需输出的工具。

两个快速想法：

您可以为所需的置信度值设置一些阈值。例如，mallet说第1页属于A级，有90%的信心，接受它。如果说第2页属于C类，有60%的置信度，这是最好的值，那么可以拒绝该建议。您可以通过函数getClassificationScores（，double[]）获得分类分数

你可以用python学习。我听说如果它不知道你的页面属于哪个类，它会告诉

NA

---

谢谢你的建议。我已经在使用你提到的第一点。我已保持阈值，即60%，低于我放弃的60%置信度。需要通过scikit学习工具和算法。