标签： scikit-learn nlp text-classification naivebayes countvectorizer
我正在对4种方言文本进行分类，并且正在使用countVectorizer和朴素贝叶斯。我的准确性有问题，所以我在考虑，而不是给countvectorizer鸣叫（大约20K，每个鸣叫4K），如果我只给它4个文档，每个文档都包含与一个相关的所有鸣叫会有所不同方言？所以我会有一个矩阵（4XnumberOfFeatures），但是当我要验证时，我将一次给它发一条推文。
另一个问题： 当我减少countVectorizer中的功能数量时，他将在什么基础上删除这些功能？