Java OpenNLP分类器输出

目前，我正在使用以下代码来训练分类器模型：

    final String iterations = "1000";
    final String cutoff = "0";
    InputStreamFactory dataIn = new MarkableFileInputStreamFactory(new File("src/main/resources/trainingSets/classifierA.txt"));
    ObjectStream<String> lineStream = new PlainTextByLineStream(dataIn, "UTF-8");
    ObjectStream<DocumentSample> sampleStream = new DocumentSampleStream(lineStream);

    TrainingParameters params = new TrainingParameters();
    params.put(TrainingParameters.ITERATIONS_PARAM, iterations);
    params.put(TrainingParameters.CUTOFF_PARAM, cutoff);
    params.put(AbstractTrainer.ALGORITHM_PARAM, NaiveBayesTrainer.NAIVE_BAYES_VALUE);

    DoccatModel model = DocumentCategorizerME.train("NL", sampleStream, params, new DoccatFactory());

    OutputStream modelOut = new BufferedOutputStream(new FileOutputStream("src/main/resources/models/model.bin"));
    model.serialize(modelOut);

    return model;

有人能解释一下这个输出意味着什么吗？如果它告诉我们一些关于准确性的信息？

看看，我们可以知道这个输出是通过以下方法完成的：

如果查看

findParameters（）

code，您会注意到它调用

trainingStats（）

方法，该方法包含计算精度的代码段：

private double trainingStats(EvalParameters evalParams) {
    // ...
    double trainingAccuracy = (double) numCorrect / numEvents;
    display("Stats: (" + numCorrect + "/" + numEvents + ") " + trainingAccuracy + "\n");
    return trainingAccuracy;
}

---

TL；DR the

Stats:（998/1474）0.6770691994572592

输出的一部分是您需要的准确性。

谢谢您的好答案，我还有一个问题。

numCorrect

基于什么？此培训集中有编号

998

numbers

2

，其余的在编号

4

下。为什么数字

2

是

numCorrect

个数？@Patrick

numCorrect

也在

trainingStats（）中计算。请看一看。@Patrick如果您觉得这个答案很有用，请不要忘记通过单击上/下箭头下方的Nike徽标来“接受”它。：-）是的，当然，我只是在测试我现在是否理解。返回属于每个类别的
docWords
的概率。
public AbstractModel trainModel(DataIndexer di) {
    // ...
    display("done.\n");
    display("\tNumber of Event Tokens: " + numUniqueEvents + "\n");
    display("\t    Number of Outcomes: " + numOutcomes + "\n");
    display("\t  Number of Predicates: " + numPreds + "\n");
    display("Computing model parameters...\n");
    MutableContext[] finalParameters = findParameters();
    display("...done.\n");
    // ...
}

private double trainingStats(EvalParameters evalParams) {
    // ...
    double trainingAccuracy = (double) numCorrect / numEvents;
    display("Stats: (" + numCorrect + "/" + numEvents + ") " + trainingAccuracy + "\n");
    return trainingAccuracy;
}