Performance 如何提高朴素贝叶斯分类器的精度？

我使用的是朴素贝叶斯分类器。接下来呢。 对于经过培训的数据，我使用了308个问题，并将它们分为26个类别，这些类别是手动标记的。 在发送数据之前，我正在执行NLP。在NLP中，我正在执行（标点删除、标记化、停止字删除和词干生成） 此过滤数据，am用作mahout的输入。 我用美国国家广播公司的mahout训练这些数据并得到模型文件。现在当我跑的时候

mahout testnb 

命令我得到正确分类为96%的实例

现在，对于我的测试数据，我使用了100个我手动标记的问题。当我使用经过训练的模型和测试数据时，我得到正确分类的实例为1%。 这让我很生气

有谁能告诉我我做错了什么，或者给我一些提高NBC业绩的方法吗

---

此外，理想情况下，我应该使用多少问题数据来训练和测试？

这似乎是一个经典的问题。。。你在训练集上的准确率很高，但在实际情况下，准确率很低

---

您可能需要更多的培训实例。此外，26个类别可能与您拥有的功能不相关。机器学习并不神奇，它需要变量和结果之间的某种统计关系。实际上，NBC可能在这里做的是有效地“记忆”训练集，这对于记忆之外的问题是完全无用的。

这似乎是。。。你在训练集上的准确率很高，但在实际情况下，准确率很低

---

您可能需要更多的培训实例。此外，26个类别可能与您拥有的功能不相关。机器学习并不神奇，它需要变量和结果之间的某种统计关系。实际上，NBC可能在这里做的是有效地“记忆”训练集，这对于记忆之外的问题是完全无用的。

你有300个标记的输入“向量”用于训练？你是认真的吗？@ThomasJungblut少了300？理想情况下，我们应该为每个班级/类别培训多少个问题？您有300个标记输入“向量”用于培训？你是认真的吗？@ThomasJungblut少了300？理想情况下，我们应该为每个类/类别训练多少个问题？我已经将训练数据集增加到600个，测试数据集增加到100个，减少了类别，现在是8个类别。在没有NLP的情况下，测试数据的准确率为17%。使用NLP，我得到了10%的准确率。在NLP执行中（标点符号删除、停止词删除、标记化和词干生成），请给我一些建议。不知道我做错了什么。我应该使用NLP吗？还有，我应该增加多少训练和测试数据？@user2331441我相信你没有做错，这是一个统计问题，假设在类别中你已经训练了80个（每个类别10个），那么测试集中未来的句子必须有一些相关/类似的单词。例如，如果你问“太阳是什么颜色的？”并且你已经训练了“太阳是黄色”的答案。那么，如果未来的问题中没有“颜色”和“太阳”这两个词，那么你的答案就不会有结果。因此，如果有人输入“地球轨道上的恒星是什么颜色？”这一问题，那么你训练的数据与刚才问到的问题之间就没有相关性……训练的数据越多，你的准确性就越高。。。（文本正文越大，点击率越高，但误报率也越高）。。。然而，这只是我迄今为止的经验！我已经将训练数据集增加到600，测试数据集增加到100，减少了类别，现在是8个类别。在没有NLP的情况下，测试数据的准确率为17%。使用NLP，我得到了10%的准确率。在NLP执行中（标点符号删除、停止词删除、标记化和词干生成），请给我一些建议。不知道我做错了什么。我应该使用NLP吗？还有，我应该增加多少训练和测试数据？@user2331441我相信你没有做错，这是一个统计问题，假设在类别中你已经训练了80个（每个类别10个），那么测试集中未来的句子必须有一些相关/类似的单词。例如，如果你问“太阳是什么颜色的？”并且你已经训练了“太阳是黄色”的答案。那么，如果未来的问题中没有“颜色”和“太阳”这两个词，那么你的答案就不会有结果。因此，如果有人输入“地球轨道上的恒星是什么颜色？”这一问题，那么你训练的数据与刚才问到的问题之间就没有相关性……训练的数据越多，你的准确性就越高。。。（文本正文越大，点击率越高，但误报率也越高）。。。然而，这只是我迄今为止的经验！