WEKA中的神经网络

我有一个已经分类的文本数据集。我有7节课。

我使用(怀卡托知识分析环境)WEKA构建模型。此外,我还训练并测试了3种不同的算法,以确定哪种算法最适合我的数据集。

我尝试了Naive Bayes、J48和神经网络(SMO),这些都可以在WEKA的机器学习环境中使用。

在培训和测试期间,发现三种算法在准确性方面的排名如下:

1. 神经网络-98%
2. 朴素贝叶斯-90%
3. J48-85%

根据以上结果,我决定使用神经网络建立模型。我用JAVA创建了一个应用程序,并加载了由WEKA构建的神经网络模型。

然而,我的问题是,该模型无法正确预测新数据。我有点困惑,因为在训练和测试期间,我获得了很高的准确率,但在部署期间,准确率仅为40%。

我尝试在C#中进行此操作,并获得了相同的结果。 下面是我使用的示例代码。

   Instances test = null; 
   DataSource source = new DataSource("C:\\Users\\Ian\\Desktop\\FINAL\\testdataset.arff");
   test = source.getDataSet();
   test.setClassIndex(1); 

   FilteredClassifier cl1 = (FilteredClassifier) weka.core.SerializationHelper.read("C:\\FINAL\\NeuralNetworks.model");        
   Evaluation evaluation = new Evaluation(test);      
   evaluation.evaluateModel(cl1,test);
   System.out.println("Results:" + evaluation.toSummaryString());   


    for (int i = 0; i < test.numInstances(); i++) {
        String trueClassLabel = test.instance(i).toString(test.classIndex());
        double predictionIndex =cl1.classifyInstance(test.instance(i));

        String predictedClassLabel;
        predictedClassLabel = test.classAttribute().value((int) predictionIndex );
        System.out.println((i+1) + "\t" + trueClassLabel + "\t" + predictedClassLabel);
    }

有什么建议吗?你认为我哪里做错了?