python - 具有变化的先验概率的文本数据集的多类 NaiveBayes 分类

Question

我遇到了使用朴素贝叶斯将文档分类为各种类别问题的问题。

实际上我想知道 P(C) 或我们最初掌握的类别的先验概率会随着时间的推移而不断变化。例如，对于类(class) - [音乐、体育、新闻] 初始概率为 [.25, .25, .50]

现在假设在某个月的一段时间内，如果我们遇到了洪水与体育相关的文档(例如 80% 的体育)，那么我们的 NaiveBayes 将失败，因为它将基于先验概率因素，该因素表明只有 25% 是体育。遇到这样的情况我们该如何处理？

Answer 1

如果您知道先验发生变化，则应该定期重新调整它们(通过收集可代表新先验的新训练集)。一般来说，如果先验发生变化，并且您不会将此信息提供给分类器，则每种 ML 方法都会在准确性方面失败。您至少需要分类器的某种反馈。然后，例如，如果您有一个闭环，您可以在其中获取分类是否正确的信息，并且您假设只有先验发生变化 - 您可以简单地在线学习更改先验(通过任何优化，因为很容易适应新的情况)先验)。

一般来说，您应该关注概念漂移现象。