WEKA 中的神经网络

我有一个已经分类的文本数据集。我有 7 个可用的课程。

我在构建模型时使用了（Waikato Environment for Knowledge Analysis）WEKA。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。

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

在训练和测试过程中，找出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%

根据上述结果，我决定使用神经网络并构建模型。我在 JAVA 中创建了一个应用程序并加载了从 WEKA 构建的神经网络模型。

但是，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只有 40%。

我尝试在 C# 中执行此操作并获得相同的结果。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);
    }

任何建议你认为我做错了什么？