Java 如何将数据集划分为训练集和测试集？

我尝试使用朴素贝叶斯分类算法和map-reduce框架对数据集进行分类。

---

我的问题是如何将数据集划分为训练集和测试集，以计算更正和错误的ed分类实例的准确性？

您可以使用

RemovePercentage

过滤器 训练集： 1.加载完整的数据集 2.在“预处理”面板中选择RemovePercentage过滤器 3.为拆分设置正确的百分比 4.应用过滤器 5.将生成的数据另存为新文件

测试集： 1.加载完整数据集（或仅使用“撤消”将更改还原到数据集） 2.如果尚未选择，请选择RemovePercentage过滤器 3.将invertSelection属性设置为true 4.应用过滤器

---

5.将生成的数据另存为新文件

数据集约为1GA，weka不提供大数据任何帮助？@medooSa我建议使用R编程，如果您想要GUI界面，最好是RStudio。学习R的一个很好的在线资源是R-bloggers。然而，与PCA或k-均值相比。。。如果在R中执行相同操作，则所需时间不到5分钟。（我已经在效率方面对此进行了测试）除了R之外，您的其他选择是RapidMiner或Apache Hadhoop。。。然而，在我看来，weka是最好的大数据。。。我建议您看看gate，我已经使用eclipse编写了一个编译的java.jar文件。这是否允许R编程导入.jar文件并处理它，或者我应该使用R编程编写所有代码？@medooSa您必须使用R包包含它，使您的结构类似于

inst java jarFileHere.jar R_code_file.R

还可以看看和。Devertier的web手册上提供了一个关于在包中包含java代码的教程：是的，我会阅读并尝试…感谢您的努力：您考虑过使用随机抽样吗？