RapidMiner：能够根据用户设置的支持阈值进行分类吗？
RapidMiner: Ability to classify based off user set support threshold?
我已经建立了一个小文本分析模型，可以将小文本文件分类为好、坏或中性。我使用支持向量机作为我的分类器。但是，我想知道是否可以将所有三个分类为好或坏，而不是分类，但如果对该文本文件的支持低于 .7 或某个用户指定的阈值，它将将该文本文件分类为中性。我知道这并不是最好的方法，我只是想看看如果我采用不同的方法会发生什么。
运算符 Drop Uncertain Predictions 可能就是您想要的。
将模型应用于某些测试数据后，生成的示例集将具有预测和两个新属性，分别称为 confidence(Good) 和 confidence(Bad)。这些置信度介于 0 和 1 之间，对于两个 class 案例，示例集中的每个示例的置信度总和为 1。最高置信度决定预测值。
Drop Uncertain Predictions 运算符需要一个 min confidence 参数，如果它找到的最大置信度低于此值（您也可以对不同的 class 更高级调查的值）。
然后您可以使用 Replace Missing Values 运算符将所有缺失的预测更改为您选择的文本值。
我已经建立了一个小文本分析模型，可以将小文本文件分类为好、坏或中性。我使用支持向量机作为我的分类器。但是，我想知道是否可以将所有三个分类为好或坏，而不是分类，但如果对该文本文件的支持低于 .7 或某个用户指定的阈值，它将将该文本文件分类为中性。我知道这并不是最好的方法，我只是想看看如果我采用不同的方法会发生什么。
运算符 Drop Uncertain Predictions 可能就是您想要的。
将模型应用于某些测试数据后，生成的示例集将具有预测和两个新属性，分别称为 confidence(Good) 和 confidence(Bad)。这些置信度介于 0 和 1 之间，对于两个 class 案例，示例集中的每个示例的置信度总和为 1。最高置信度决定预测值。
Drop Uncertain Predictions 运算符需要一个 min confidence 参数，如果它找到的最大置信度低于此值（您也可以对不同的 class 更高级调查的值）。
然后您可以使用 Replace Missing Values 运算符将所有缺失的预测更改为您选择的文本值。