我写了一个基于Naive Bayes algorithm的分类程序，它非常适合将一个文档分类为一个类别。但是我的上下文发生了变化，我现在需要将文档分为N类。
基本上我需要从'垃圾邮件'/'非垃圾邮件'分类转换为'垃圾邮件和扑克'，'垃圾邮件和某些东西'，'非垃圾邮件'。
我想到了两个选项：
调整算法并根据概率排序可能的类别。这可行，但对我来说似乎不对。你觉得怎么样？
使用完全不同的算法，在这种情况下你会推荐哪一种？
提前感谢您的反馈：）
答案 0 :(得分：4)
没有理由不将朴素贝叶斯扩展到多个类别 - 实际上它是一个简单的分类器，自然延伸到多类别案例。如果您的类别“垃圾邮件和扑克”，“垃圾邮件和某些内容”，“非垃圾邮件”完全不相交，您可以将其视为单个三向分类任务：如果您的类别为c_1，c_2和c_3，则先验概率为p_1，p_2和P_3，和似然性L_1，L_2和L_3（实例给出类概率），那么类的后验概率正比于它的前倍的可能性（该规范器只是总和P_1 * L_1 + P_2 * L_2 + P_3 * L_3）。对于任何数量的类都是如此。
但是，我怀疑你可能会在实践中找到更好的表现，首先要确定它是否是垃圾邮件，然后确定垃圾邮件的类型（两阶段分类过程）。
Tom Mitchell的书“机器学习”是一本非常容易理解的介绍，如果您碰巧可以访问它。
答案 1 :(得分：1)
我们使用Weka图书馆http://de.wikipedia.org/wiki/J48中的J48算法（http://www.cs.waikato.ac.nz/~ml/weka/）并且效果很好！
Lingpipe也很棒http://alias-i.com/lingpipe/
两者都非常容易实现，并且开箱即用。
答案 2 :(得分：1)
由于您的课程不是不相交的，因此这是多标签分类。 scikit-learn包中的support for that使用简单的一对一休息规则（又名二进制相关性）：对于垃圾邮件/非垃圾邮件，扑克/非扑克等每个决策一个单独的分类器经过训练，在预测时，每个分类器都在测试样本上独立运行。
更智能的方法包括classifier chains。
（免责声明：我在sklearn中编写了部分多标签分类代码，因此这不是公正的建议。）