多個樸素貝葉斯分類器

Question

我正在尋找執行審查網站的Naive Byes分類器以識別垃圾評論並且有幾個問題。

1. 它有多種類型的垃圾郵件，如直接營銷垃圾與無關，他們正在評估的東西，對欺騙性的審查發生在我身上。爲不同的目的實施多個分類器是明智的做法，這樣才能更好地檢測一般的垃圾郵件，而另一方則瞭解欺騙性評論？

2. 在一個類似的徒勞，有多個類別的項目正在審查，所以對於「欺騙性審查」分類器，最好是隻有一個分類器，試圖從所有評論學習？或者是否最好每個類別都有一個分類器，以便它能夠在這些類別中學習細微差別？

我知道這些不會是傻瓜證明，它只是關於標記潛在的檢查手動檢查，但我只是不清楚最好的設置。

Answer 1

只要你使用任何足夠複雜的算法，你應該能夠用任何一種方法來區分「好」與「壞」數據。如果你用一個模型完成所有工作，你只需要增加模型的大小，這樣綜合模型就可以建立（最壞的情況下）兩條決策的獨立路徑，即「垃圾郵件」和「欺騙」。

如果您在三個不同的分類上進行培訓：良好，垃圾郵件和欺騙性;那麼你無論如何都做得很好。但是，請注意，您的模型尺寸在單獨訓練時較小，並且您的訓練時間會縮短，因爲在路上的猜測數量會減少。另一方面，使用兩個模型用於以後的實際使用可能會減慢檢測速度，因爲通過第一個模型的每個輸出都必須通過第二個模型。對於大多數應用來說，這次不是一個重要的因素。

最重要的是，我會從每個班的單獨模型開始：任何實施和培訓問題都會更快找到並更容易分離。