Weka 忽略未标记的数据

我正在使用 Weka 中的朴素贝叶斯分类器进行 NLP 分类项目。我打算使用半监督机器学习，因此使用未标记的数据。当我在一组独立的未标记测试数据上测试从标记训练数据获得的模型时，Weka 会忽略所有未标记实例。有人可以指导我如何解决这个问题吗？之前已经有人问过这个问题，但没有提供任何合适的解决方案。这是一个示例测试文件：

@relation referents
@attribute feature1      NUMERIC
@attribute feature2      NUMERIC
@attribute feature3      NUMERIC
@attribute feature4      NUMERIC
@attribute class{1 -1}
@data
1, 7, 1, 0, ?
1, 5, 1, 0, ?
-1, 1, 1, 0, ?
1, 1, 1, 1, ?
-1, 1, 1, 1, ?

问题是当你指定一个训练集 -t train.arff and a test set test.arff，操作模式是基于计算模型的性能test set。但在不知道实际类别的情况下，您无法计算任何类型的性能。如果没有实际的课程，你怎么知道你的预测是对还是错？

我用你提供的数据作为train.arff and as test.arff具有我分配的任意类标签。相关的输出行是：

=== Error on training data ===

Correctly Classified Instances           4               80      %
Incorrectly Classified Instances         1               20      %
Kappa statistic                          0.6154
Mean absolute error                      0.2429
Root mean squared error                  0.4016
Relative absolute error                 50.0043 %
Root relative squared error             81.8358 %
Total Number of Instances                5     


=== Confusion Matrix ===

 a b   <-- classified as
 2 1 | a = 1
 0 2 | b = -1

and

=== Error on test data ===

Total Number of Instances                0     
Ignored Class Unknown Instances                  5     


=== Confusion Matrix ===

 a b   <-- classified as
 0 0 | a = 1
 0 0 | b = -1

Weka 可以为您提供这些统计数据训练集，因为它知道实际的类标签和预测的类标签（在训练集上应用模型）。为了test set，它无法获得有关性能的任何信息，因为它不知道真正的类标签。

您可能想做的是：

java -cp weka.jar weka.classifiers.bayes.NaiveBayes -t train.arff -T test.arff -p 1-4

就我而言，这会给你：

=== Predictions on test data ===

 inst#     actual  predicted error prediction (feature1,feature2,feature3,feature4)
     1        1:?        1:1       1 (1,7,1,0)
     2        1:?        1:1       1 (1,5,1,0)
     3        1:?       2:-1       0.786 (-1,1,1,0)
     4        1:?       2:-1       0.861 (1,1,1,1)
     5        1:?       2:-1       0.861 (-1,1,1,1)

So, you can得到预测，但是你can't获得性能，因为您有未标记的测试数据。