Python 理解卡方特征选择的问题

我在理解卡方特征选择方面一直存在问题。我有两个类，正数和负数，每个类包含不同的项和项计数。我需要执行卡方特征选择，为每个类提取最具代表性的术语。问题是我最终得到的正类和负类的术语完全相同。以下是我选择功能的Python代码：

#!/usr/bin/python

# import the necessary libraries
import math

class ChiFeatureSelector:
    def __init__(self, extCorpus, lookupCorpus):
        # store the extraction corpus and lookup corpus
        self.extCorpus = extCorpus
        self.lookupCorpus = lookupCorpus

    def select(self, outPath):
            # dictionary of chi-squared scores
        scores = {}

        # loop over the words in the extraction corpus
        for w in self.extCorpus.getTerms():
            # build the chi-squared table
            n11 = float(self.extCorpus.getTermCount(w))
            n10 = float(self.lookupCorpus.getTermCount(w))
            n01 = float(self.extCorpus.getTotalDocs() - n11)
            n00 = float(self.lookupCorpus.getTotalDocs() - n10)

            # perform the chi-squared calculation and store
            # the score in the dictionary
            a = n11 + n10 + n01 + n00
            b = ((n11 * n00) - (n10 * n01)) ** 2
            c = (n11 + n01) * (n11 + n10) * (n10 + n00) * (n01 + n00)
            chi = (a * b) / c
            scores[w] = chi

        # sort the scores in descending order
        scores = sorted([(v, k) for (k, v) in scores.items()], reverse = True)
        i = 0

        for (v, k) in scores:
            print str(k) + " : " + str(v)
            i += 1

            if i == 10:
                break

这就是我如何使用这个类（为了简洁起见省略了一些代码，是的，我已经检查了以确保两个小体不包含完全相同的数据）

# perform positive ngram feature selection
print "positive:\n"
f = ChiFeatureSelector(posCorpus, negCorpus)
f.select(posOutputPath)

print "\nnegative:\n"
# perform negative ngram feature selection
f = ChiFeatureSelector(negCorpus, posCorpus)
f.select(negOutputPath)

---

我觉得错误来自于我计算术语/文档表时，但我不确定。也许我没有理解某些东西。有人能给我指出正确的方向吗？

在两类情况下，如果两个 数据集是相互交换的，它们是两个数据集之间差异最大的特征

---

这两个类。

你能从extCorpus和lookupCorpus中添加一些样本数据吗？刚好可以看到结构……对不起，negCorpus和posCorpus+1。特征选择不会给你“强正”和“强负”特征，但会给你强辨别性特征。顺便说一句，在多类情况下也是如此。