我想将句子分类为客观或主观。
例如：
目标：台北101是世界上最高的建筑。
主观：维纳斯威廉姆斯是这十年中最伟大的运动员。
我在考虑使用朴素贝叶斯作为我的分类器。
我应该使用哪些数据进行培训？ 我正在考虑客观句子的新闻文章和维基文章。 为了主观性，我考虑使用大量书籍（因为书籍往往更主观）。
这可能有用还是我在考虑这个错误？我能期望什么准确度？哪些数据最适合培训客观和主观？
答案 0 :(得分：3)
最佳训练数据将是您真正要分类的相同类型的数据（来自同一来源）。如果你训练新闻文章标题（＆＃34;目标＆＃34;）和书籍句子（＆＃34;主观＆＃34;），那么你真的要学习一个模型来区分新闻文章标题和书的句子。然后，如果您使用此模型将推文（例如）分类为＆＃34;主观＆＃34;或者＆＃34;目标＆＃34;，那么你不应该期待良好的表现。
我建议您手动标记1000个句子，这些句子来自您将被归类为＆＃34;主观＆＃34;的实际数据类型。或者＆＃34;目标＆＃34;。这将为您提供相关且准确的培训数据，还可以向您介绍您的数据和问题。然后从这1000个句子开始作为训练数据，并测量你的表现。