Machine learning 基于机器学习的作者归属

作为练习，我正在研究一个实用的机器学习问题。我只是需要帮助来解决我的问题

我有一位著名老作家的20本书的文本。历史上还有5本书一直在争论是否属于同一作者

我正在考虑最好的方式来表达这个问题。我正在考虑用一袋单词来寻找作者使用的最有意义的单词

---

我应该将其视为朴素贝叶斯（垃圾邮件/火腿）问题，还是应该使用KNN分类（作者/非作者）来检测每个文档的类别。还有其他的方法吗？

我认为朴素的贝叶斯可以给你启发。还有一种方法是，找出将这些书分开的功能，例如
1.单词的复杂性，一些作者很容易理解和使用常见的单词，我是在暗示IDF（反向文档频率）
2.有些词在他那个时代可能根本不存在，比如“自拍”、“手机”等等

尝试找到很多这样的特征，也可以训练一个有鉴别能力的分类器