该项目为Hadoop课程项目，基于MapReduce设计朴素贝叶斯文本分类器，并评估分类结果。具体的项目分析与报告内容见：https://github.com/jchenTech/Hadoop-Naive-Bayes/tree/main/report

以下简单介绍项目内容与运行说明：

1. 用MapReduce算法实现贝叶斯分类器的训练过程，并输出训练模型；
2. 用输出的模型对测试集文档进行分类测试。测试过程可基于单机Java程序，也可以是MapReduce程序。输出每个测试文档的分类结果；
3. 利用测试文档的真实类别，计算分类模型的Precision，Recall和F1值。

我在数据集中选择了 NBCorpus\Country 文件夹下的 CHINA 和 CANA 作为本次实验的样本，其中 CHINA 类中包含 255 个文本，CANA 类中包含 263 个文本。按照 70% 与 30% 的比例选取训练集和测试集。表格如下：

训练集与测试集的路径为 data\TEST_DATA_FILE\CANA(CHINA)和 data\TRAIN_DATA_FILE\CANA(CHINA) ，并将两个新的目录文件传到虚拟机master节点后上传到HDFS上。

# 进入data文件夹
cd /data

# 上传训练集
hdfs dfs -put TRAIN_DATA_FILE /

# 上传测试集
hadoop dfs -put TEST_DATA_FILE /

在项目文件/src/main/java/utils/Const.class中，根据需要修改文档目录名、HDFS的域名地址、停用词库。

必须修改Const.class中的DOC_TYPE_LIST变量

该变量是记录文档种类的，每个文档种类用字符@分隔，例如我的分类任务是分两类，上传了CANA和CHINA两份数据，那么这个变量设置为：

 public static final String DOC_TYPE_LIST = "CANA@CHINA";

在IDEA中通过maven中的package将程序打成JAR包，打包完成后，将JAR包上传到master节点中，进入到JAR包目录，运行命令 hadoop jar jar_file_path main_class_name 执行JAR包，如：

hadoop jar Main.jar Main