Text weka中的一元类文本分类？

我有一个特定类别（比如癌症）的训练数据集（文本）。我想在weka中为这个类训练一个SVM分类器。但是，当我试图创建一个文件夹“cancer”并将所有培训文件放入该文件夹时，当我运行代码时，我会出现以下错误： weka.classifiers.functions.SMO:无法处理一元类

我想做的是，如果分类器发现一个与“癌症”相关的文档，它会正确地显示类名，一旦我输入了一个非癌症文档，它就会显示类似“未知”的内容

---

我应该怎么做才能得到这种行为

Weka中的SMO算法只在两个类之间进行二元分类。序列最小优化是求解支持向量机的一种特定算法，在Weka中，它是该算法的基本实现。如果你有一些例子是癌症和一些不是，那么这将是二进制的，也许你没有正确地标记它们

但是，如果您使用的是所有癌症示例的训练数据，并且您希望它告诉您未来的示例是否符合模式，那么您正在尝试执行一类SVM，即异常值检测

---

可以处理一类svm。与Weka SMO实现不同，它是一个独立的程序，已连接到Weka中，并包含许多不同的SVM变体。在Wekalist上解释了如何在Weka中使用LibSVM。

感谢您的回答。我让它工作了。如果我只想确定有多少文档与癌症（一个类别）相关，那么拥有两个集合（比如癌症和非癌症）与进行二元分类、拥有一个集合（只有癌症）与进行一个类别分类有什么区别？区别在于你是否有负面的例子。如果你有100个癌症的例子和100个非癌症的例子，那就是两类，癌症和非癌症。若你们只有100个健康的例子，想知道是否有异常，那个么这是一节课。我在Weka用LibSVM做了一节课的训练。但问题是在测试过程中，所有的测试实例都被分类到我在培训中使用的类中，它并没有说至少有一个实例不相关，我确信测试实例与该类完全不相关。这可能是什么原因？您是否进行了参数调整？支持向量机对其参数非常敏感，它不是“现成”的解决方案。来自libsvm的这篇文档是一个很好的介绍：还有两件事需要检查——如果您有两个类，那么培训文件是否包含class属性和/或两个类的示例？如果你选择了一个类SVM并只给它一个两个类的文件，它可能会把类变量看作是一个属性，并把它包含在模型中，在这种情况下，如果你给它提供任何属性，那么它就会把它看作是类的一部分。