对具有不同类别分数的多个类别的错误分类答案

【问题标题】：Wrong classification to multiple classes with different fraction of classes对具有不同类别分数的多个类别的错误分类
【发布时间】：2014-08-14 11:33:55
【问题描述】：

我鼓励解决下一个问题：我正在尝试对很多文本文档进行分类。

有 20 类：1 正常，19 - 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：

【问题讨论】：

【解决方案1】：

每个类的实例数量很可能不平衡导致问题。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。

【讨论】：

【解决方案2】：

我不确定是否有全貌，但实际上您似乎只有 2 个类别“正常”和“异常”，它们的数量不平衡，因此是优先的。

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。

【讨论】：

非常感谢，已经有了很大的改进！我尝试解释：例如，我使用每个类别的训练集 1000 个示例。因此，我对 19 个（异常类别）使用 1000 个示例，对正常类别使用 19 000 个示例。它有助于平衡训练集并获得很大的改进。