大家好，我是机器学习的新手，目前正在寻找一个文本分类解决方案。能否推荐一个用Java编写的不错的框架？我考虑过使用WEKA，但也听说过MALLET。哪个更好，它们的主要区别在哪里？

我的目标是分类未标记的文本。为此，我准备了大约18个主题，每个主题有100个文本用于学习。

你们有什么推荐吗？也希望能提供一个小例子或提示，告诉我如何进行。

回答：

你的文本数据集非常小，你可以使用任何库 – 这并不重要。更高级的选项需要比你拥有的更多的数据才有意义，所以这不是值得考虑的问题。处理文本分类问题的一种简单方法是使用词袋模型和线性分类器。Weka和MALLET都支持这种方法。

就我个人而言，我觉得Weka使用起来很麻烦，而MALLET的文档不全/过时，所以我使用JSAT。这里有一个关于垃圾邮件分类的例子在这里。

（偏见警告，我是JSAT的作者）。