Weka GUI 和 Weka 通过 Java 代码得到不同的结果

我正在使用 NaiveBayesMultinomialText 分类器在 Weka 中应用文本分类。问题是，当我使用 GUI 来执行此操作并在相同的列车数据上进行测试（无需交叉验证）时，我获得了 93% 的准确率，而当我尝试通过 java 代码执行此操作时，我获得了 67% 的准确率。可能出了什么问题？

在 GUI 中，我使用以下配置：

Lnorm 2.0
debug False
lowercaseTokens True
minWordFrequency 3.0
norm 1.0
normalizeDocLength False
periodicPruning 0
stemmer NullStemmer
stopwords pt-br-stopwords.dat
tokenizer NgramTokenizer (default parameters, but max ngramsize = 2)
useStopList True
useWordFrequencies True

然后我在“测试选项”中选择“使用训练集”。

现在在java代码中我有：

        Instances train = readArff("data/naivebayestest/corpus_treino.arff");
        train.setClassIndex(train.numAttributes() - 1);
        NaiveBayesMultinomialText nb = new NaiveBayesMultinomialText();
        String opt = "-W -P 0 -M 5.0 -norm 1.0 -lnorm 2.0 -lowercase -stoplist -stopwords C:\\Users\\Fernando\\workspace\\GPCommentsAnalyzer\\pt-br_stopwords.dat -tokenizer \"weka.core.tokenizers.NGramTokenizer -delimiters ' \\r\\n\\t.,;:\\\'\\\"()?!\' -max 2 -min 1\" -stemmer weka.core.stemmers.NullStemmer";
        nb.setOptions(Utils.splitOptions(opt));                                            
        nb.buildClassifier(train);    

        Evaluation eval = new Evaluation(train);                                           
        eval.evaluateModel(nb, train);
        System.out.println(eval.toSummaryString());                                        
        System.out.println(eval.toClassDetailsString());                                   
        System.out.println(eval.toMatrixString());    

可能我在我的java代码中遗漏了一些东西..有什么想法吗？

Thanks!

您可以使用以下代码来评估 10CV 的分类器：

eval.crossValidateModel(nb, train,10,new Random(1)); 

你应该记住，不要使用train.Randomize and train.Stratify(10)在那之前。