Resultados diferentes em Weka GUI e Weka via código Java
Estou aplicando uma classificação de texto no Weka usando o classificador NaiveBayesMultinomialText. O problema é que quando eu uso a GUI para fazer isso e testo os mesmos dados do trem (sem validação cruzada) eu recebo 93% de acurracy, e quando eu tento fazer isso via código java eu recebo 67% de acurracy. O que pode estar errado?
Na GUI, estou usando a seguinte configuração:
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
E então eu selecione "Use training set" em "Test options".
Agora no código java eu tenho:
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());
Provavelmente estou faltando alguma coisa no meu código java .. Alguma idéia?
Obrigado!