我目前正在为一家电信公司的twitter数据进行情感分析，我正在将数据加载到hdfs中，并使用mahout的naivebayes分类器来预测积极、消极或中性的情感。
这就是我要做的
我正在为机器提供训练数据（关键：情绪，value:text) .
利用mahout库计算文本的tf-idf（逆文档频率），生成特征向量。
mahout seq2sparser-i/user/root/new\u model/dataseq--maxdfpercent 1000000--minsupport 4--maxngramsize 2-a org.apache.lucene.analysis.whitespaceanalyzer-o/user/root/new\u model/predicted
将数据拆分为训练集和测试集。
我传递给naivebayes算法来建立模型的特征向量。
mahout trainnb-i/user/root/new\u model/train vectors-el-li/user/root/new\u model/labelindex-o/user/root/new\u model/model-ow-c
利用这个模型，我可以预测新数据的情绪。
这是我正在做的非常简单的实现，通过这个实现，我得到了非常低的精度，即使我有很好的训练集。所以我想改用logistic回归/svm，因为它们对这类问题给出了更好的结果。
所以我的问题是，如何使用这两种算法来构建模型或预测tweet的情绪。我需要采取什么步骤来实现这一点？