朴素贝叶斯分类器：每个类别的语料库大小必须相同吗？

Posted 2023-03-12

【中文标题】朴素贝叶斯分类器：每个类别的语料库大小必须相同吗？

【英文标题】：naive bayes classifier: does the size of corpus for each category have to be the same?

【发布时间】：2016-10-08 13:51:18

【问题描述】：

我正在为两个类别（pos 和 neg）构建一个朴素贝叶斯分类器。我希望分类器将包含某些单词的句子分类为 pos，如果不包含这些单词，则将其分类为 neg。

我的 pos 语料库是 518 个包含这些词的句子。我的问题：neg 的语料库必须有多大？

在 NLTK 的 movie_reviews 语料库中，两个类别包含相同数量的文本文件。然而，那个分类器也学习了否定词，不是吗？我真的只关心分类器识别某些属于 pos 类别的词，我不关心 neg 类别中的词。

那么，两个语料库都包含 518 个文本文件重要吗？

【参考方案1】：

两个类别的大小不必相同。

【讨论】：

感谢您的回复。你在某个地方有这个来源吗？或者你是怎么确定的？