貝葉斯分類器的訓練數據大小

Question

我正在使用apache mahout在客戶支持域中執行情感分析。由於我無法獲得適當的訓練數據集，因此我創建了自己的訓練數據集。現在我有100封支持正面信息的郵件和100封負面郵件。

但問題是，我無法達到準確性。它停留在55％左右，這是可悲的。大約70％左右的精確度將令人滿意。另外請注意，我使用的是apache mahout的免費樸素貝葉斯分類器。

剛纔提到的問題是，減小數據集大小是否會降低準確度？如果不是，我應該在哪裏調整？

Answer 1

只對那些尋找到未來這一問題的利益，我將分享其中我調整從50我的分類的準確性，約78％的方式

• 執行而產生的培訓和輸入數據
• 執行訓練和輸入數據停止字去除
• 轉換訓練和輸入數據，以小寫字母（或大寫）
• 在訓練數據的每個類別具有接近相等量的樣品
• 根據您的域微調ngram級別。

這應該會顯着提高您的準確性。