朴素贝叶斯对训练观察的数量敏感吗？
Is Naive Bayes sensitive to the number of training observations?
我正在使用 Swift（即使我的问题与语言无关）和 Python 来测试我的 ML 逻辑。我有训练数据：
("add a new balloon", "add-balloon")
("add a balloon", "add-balloon")
("get last balloon", "get-balloon")
("update balloon color to red", "update-balloon")
当我尝试使用朴素贝叶斯对像
这样的新句子进行分类时
classify("could you add a new balloon")
// Return add-balloon
classify("could you update the balloon color")
// Return add-balloon
classify("update the balloon color")
// Return add-balloon
我的数据集有很多关于添加气球的观察结果（大约 50 个），但没有太多要更新或获取的（大约 5-6 个）。朴素贝叶斯对训练观察的数量敏感吗？我不明白为什么即使给出它在训练期间看到的句子，分类也表现不佳。
最初，朴素贝叶斯取决于数据的大小，但如果我们继续添加更多数据，在达到一定水平后，性能就会趋于稳定，进一步增加训练数据不会提高朴素贝叶斯分类器的性能。
但是对于您的情况，数据太小，模型无法准确了解 "update-balloon" 并且正在预测 "add-balloon"。尝试为 类 添加更多数据较少的示例，看看准确性是否有所提高。
朴素贝叶斯对 class 先验敏感（示例在 class 中的分布）。因此，如果您的 add-balloon 比其他类别多得多，它就会偏向这个 class。这通常是有帮助的，因为假设你什么都不知道（没有后验信息），你最好的选择是尝试最有可能的 class 。
如果您的分布严重偏斜，您的数据集不大，您的文档很短或缺少非常有用的词（或包含许多模棱两可的词），但这可能会导致不良结果，例如您正在报告的内容。
我正在使用 Swift（即使我的问题与语言无关）和 Python 来测试我的 ML 逻辑。我有训练数据：
("add a new balloon", "add-balloon")
("add a balloon", "add-balloon")
("get last balloon", "get-balloon")
("update balloon color to red", "update-balloon")
当我尝试使用朴素贝叶斯对像
这样的新句子进行分类时classify("could you add a new balloon")
// Return add-balloon
classify("could you update the balloon color")
// Return add-balloon
classify("update the balloon color")
// Return add-balloon
我的数据集有很多关于添加气球的观察结果（大约 50 个），但没有太多要更新或获取的（大约 5-6 个）。朴素贝叶斯对训练观察的数量敏感吗？我不明白为什么即使给出它在训练期间看到的句子，分类也表现不佳。
最初，朴素贝叶斯取决于数据的大小，但如果我们继续添加更多数据，在达到一定水平后，性能就会趋于稳定，进一步增加训练数据不会提高朴素贝叶斯分类器的性能。
但是对于您的情况，数据太小，模型无法准确了解 "update-balloon" 并且正在预测 "add-balloon"。尝试为 类 添加更多数据较少的示例，看看准确性是否有所提高。
朴素贝叶斯对 class 先验敏感（示例在 class 中的分布）。因此，如果您的 add-balloon 比其他类别多得多，它就会偏向这个 class。这通常是有帮助的，因为假设你什么都不知道（没有后验信息），你最好的选择是尝试最有可能的 class 。
如果您的分布严重偏斜，您的数据集不大，您的文档很短或缺少非常有用的词（或包含许多模棱两可的词），但这可能会导致不良结果，例如您正在报告的内容。