Ich wende in Weka eine Textklassifizierung mit dem NaiveBayesMultinomialText-Klassifikator an. Das Problem ist, dass ich, wenn ich die GUI verwende und mit denselben Zugdaten teste (ohne Gegenüberstellung), 93% Genauigkeit erhalte, und wenn ich es über Java-Code versuche, erhalte ich 67% Genauigkeit. Was könnte falsch sein?

In der GUI verwende ich die folgende Konfiguration:

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

Und dann wähle ich "Trainingsset verwenden" in "Testoptionen".

Jetzt habe ich in Java-Code:

        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());    

Vermutlich fehlt mir etwas in meinem Java-Code. Irgendwelche Ideen?

Vielen Dank!