python-3.x - 训练结束后，nltk naivebayes 分类器如何学习更多特征集？

Question

我现在正在使用 nltk_classifier 对句子的类别进行分类。

所以我已经使用 11000 个句子的特征集训练了分类器。

train_set, test_set = featuresets[1000:], featuresets[:1000]
classifier = naivebayes.NaiveBayesClassifier.train(train_set)

但我想添加更多(句子，类别)功能集来升级分类器。我知道的唯一方法是将功能集附加到已学习的功能集列表中。这样就会产生新的分类器。但我认为这种方法效率不高，因为训练一个或更少的句子需要花费很多时间。

有没有什么好的方法可以通过添加特征集来提高分类器的质量？？？

Answer 1

有两件事。

1. 朴素贝叶斯通常非常快。它仅访问您的所有训练数据一次并累积要素类共现统计数据。之后，它使用该统计数据来构建模型。通常，使用新的(增量)数据重新训练模型并不是问题。

2. 只要您仍将要素类统计信息存储在某处，当新数据到来时，就可以不重做上述步骤。现在，您只需按照步骤 1 中的相同方式访问新数据，并不断更新要素类共现统计信息即可。一天结束时，您将获得新的分子 (m) 和分母 (n)，它们适用于两个类先验 P(C)以及给定类 P(W|C) 的特征概率。您可以通过m/n得出概率。

友情提醒document classification中的贝叶斯公式:

--给定文档D，该文档属于C_j类别的概率为:

P(C_j|D) = P(D|C_j)*P(C_j)/P(D)

-- 该概率与以下内容成正比:

P(C_j|D) ~ P(W1|C_j) P(W2|C_j) ... P(Wk|C_j) * P(C_j) 

基于:

• 朴素贝叶斯假设(文档中的所有单词，例如 W1、W2、...、Wk 都是独立的)，
• 丢弃 P(D)，因为每个类都具有相同的 P(D) 作为分母(因此我们说比例不等于)。

-- 现在右侧的所有概率都可以通过相应的分数 (m/n) 计算，其中 m 和 n存储(或可以导出)在要素类共生矩阵中。