machine-learning - 对具有不同类别分数的多个类别的错误分类

Question

我鼓励解决下一个问题：我正在尝试对大量文本文档进行分类。

有 20 级：1 级正常，19 级 - 异常。当我使用朴素贝叶斯分类时，我得到以下结果：分类适用于 19 个类，但对于“正常”类，我得到了许多错误分类错误：“正常”类别中的几乎所有案例都被归类为其他（非正常）类别。

有我的问题：

• 我应该如何为“普通”课程选择训练集？（现在，我只适合分类为“正常”类别的文本集，比例为 1/20）。
• 可以这样指定分类器：如果属于某个类别的概率小于某个阈值，那么分类器必须
  为此样本设置类别（例如正常）？

Answer 1

很可能每个类的实例数量不平衡会导致问题。您需要在最终类估计上定义某种先验以规避不平衡实例的问题，并且您需要通过交叉验证微调此先验的外生参数。我猜 Dirichlet Prior 用于多项式 NB。

Answer 2

我不确定是否有全貌，但实际上您似乎只有 2 类“正常”和“异常”，它们的数量不平衡，因此是先验的。

为了回答您的第一个问题，在这种情况下，我会尝试对您的正常课程进行过度采样以进行训练（多次传递相同的“正常”实例以“伪造”更大的音量），看看它是否会提高您的表现。

我不明白你的第二个问题。