Machine learning 如何使用Rapidminer处理XML文件进行分类

我是个新手。我有很多XML文件，我想根据关键字手动分类这些文件。然后我想在这些数据上训练一个分类器，比如Naive Bayer和SVM，并使用交叉验证器计算它们的性能

你能告诉我这方面的不同步骤吗

---

我是否需要使用标记化、TFIDF等文本处理活动？

步骤如下所示

循环文件-即迭代文件夹中的所有文件并依次读取每个文件。 对于每个文件 把它当作文件读进去。 使用诸如Extract Information（提取信息）或Cut Document（包含合适的XPath查询）之类的运算符对其进行标记，以输出与文档中提取的信息相对应的行。 创建包含所有行的文档向量。这就是TF-IDF或其他方法将被使用的地方。选择取决于手边的问题，TF-IDF是一种常见的选择，在这种情况下，重要的是对经常出现在相对较少的文档中的令牌给予更多的权重。 建立模型，并使用交叉验证来估计未看到数据的性能。 我已经包括了一个流程的一部分，您可以将其用作此过程的基础。它读取包含XML文件的RapidMiner存储库，因此是使用文本处理技术处理XML文档的一个很好的示例。显然，您必须对您的案例进行一些大的修改

---

希望能有所帮助。

也许现在回复已经太晚了。但它可以帮助其他人。有一个名为“文本挖掘扩展”的扩展，我使用的是6.1.0版。因此，您可以转到RapidMiner>帮助>更新并安装此扩展。它将从一个目录中获取所有文件。它有各种可以使用的文本挖掘算法

此外，我还发现了这段教程视频，它也可能对您有所帮助