python - scikits学习和nltk : Naive Bayes classifier performance highly different

Question

我正在比较两个朴素贝叶斯分类器:一个 from NLTK还有一个from scikit-learn .我正在处理多类分类问题(3 类:正 (1)、负 (-1) 和中性 (0))。

在不执行任何特征选择(即使用所有可用特征)的情况下，使用包含 70,000 个实例的训练数据集(带有噪声标记，实例分布为 17% 正、4% 负和 78% 中性)，我训练两个分类器，第一个是 nltk.NaiveBayesClassifier，第二个是 sklearn.naive_bayes.MultinomialNB(fit_prior=True)。

训练后，我在 30,000 个实例的测试集上评估了分类器，得到以下结果:

**NLTK's NaiveBayes**
accuracy: 0.568740
class: 1
     precision: 0.331229
     recall: 0.331565
     F-Measure: 0.331355
class: -1
     precision: 0.079253 
     recall: 0.446331 
     F-Measure: 0.134596 
class: 0
     precision: 0.849842 
     recall: 0.628126 
     F-Measure: 0.722347 


**Scikit's MultinomialNB (with fit_prior=True)**
accuracy: 0.834670
class: 1
     precision: 0.400247
     recall: 0.125359
     F-Measure: 0.190917
class: -1
     precision: 0.330836
     recall: 0.012441
     F-Measure: 0.023939
class: 0
     precision: 0.852997
     recall: 0.973406
     F-Measure: 0.909191

**Scikit's MultinomialNB (with fit_prior=False)**
accuracy: 0.834680
class: 1
     precision: 0.400380
     recall: 0.125361
     F-Measure: 0.190934
class: -1
     precision: 0.330836
     recall: 0.012441
     F-Measure: 0.023939
class: 0
     precision: 0.852998
     recall: 0.973418
     F-Measure: 0.909197

我注意到，虽然 Scikit 的分类器具有更好的整体准确性和精度，但与 NLTK 相比，它的召回率非常低，至少在我的数据中如此。考虑到它们可能(几乎)是相同的分类器，这不是很奇怪吗？

Answer 1

朴素贝叶斯分类器通常是指对假设独立的二元特征进行贝叶斯分类。这就是NLTK's Naive Bayes classifier实现。对应的scikit分类器为BernoulliNB分类器。

对 bool 值特征的限制实际上是不必要的，它只是最简单的实现方式。可以为来自任何参数分布的(假设的)独立特征定义朴素贝叶斯分类器。

MultinomialNB适用于具有假定多项式分布的整数值输入特征的数据。

Sckit 也有 GaussianNB对于假设为独立高斯分布的连续值特征。