我有一些评论，我想将它们归类为正面或负面。 到目前为止，我有一个带注释的数据集。
事情是前100行被分类为正，其余100被分类为负。
我正在使用SQL Server Analysis-2008 R2。 Class属性有2个值，POS为正值，NEG为负值。
此外，我使用朴素贝叶斯算法，最大输入/输出属性= 0（想要使用所有属性）进行分类，测试集最大大小写设置为30％。提升图表的当前得分为0.60。
我是否必须将它们混合起来，例如2 POS然后是1 NEG，以获得更好的分类准确度？
答案 0 :(得分：0)
学习实例的排序不应影响分类性能。 Naive Bayes计算的概率对于数据集中任何实例的排序都是相同的。
但是，选择不同的测试和训练集会影响分类性能。例如，某些实例可能比其他实例更难以分类。
您是否也获得了同样糟糕的培训和考试成绩？如果您的训练表现良好和/或比您的测试表现好得多，您的模型可能会过度拟合。否则，如果你的训练表现也差，我会建议（a）尝试更好/更强/更具表现力的分类器，例如SVM，决策树等;和/或（b）确保您的特征具有足够的代表性/表达力。