scikit learn 对无关（域外）数据进行分类

Question

我已经使用 MultinomialNB 使用 20 个域训练了我的分类器。

分类器对 20 个经过训练的数据集运行良好。

但问题是，假设我使用 20 个域中的文本进行查询，即使它对该文本进行了分类。我预计域外输入的概率为 0。

例如

查询：'核心 i7 是英特尔处理器'

我已经使用域 religion、sports、astronomy 域训练了数据。

查询不属于这些域中的任何一个，即使它为任何域提供 33% 的结果。

同样 Query : 'where is what'，也归入上述领域。

如何为属于域外的查询显示 0 结果？或任何 scikit 函数，它给出了域外的概率余量？

还有什么方法可以在查询中查看stopwords 的边距？

Answer 1

如果你训练区分 3 个标签，那么每个输入都会得到这三个标签之一。

您可以为“所有不能归类为宗教、体育、天文学的事物”训练一个附加标签。

然后您可以将该标签用作“检测到域外”。