朴素的贝叶斯分类器：每个类别的语料库大小是否必须相同？

Question

我正在为pos和neg这两个类别构建朴素贝叶斯分类器。我希望分类器将句子分类为pos（如果它包含某些单词），如果不包含这些单词则将其分类为。

我的pos语料库包含518个含有这些词语的句子。我的问题：对于neg的语料库有多大？

在NLTK的movie_reviews语料库中，两个类别都包含相同数量的文本文件。但是，那个分类器也学会了否定词，不是吗？我真的只关心分类器识别属于pos类别的某些词，我不关心neg类中的词。

那么，两个语料库是否包含518个文本文件是否很重要？

Answer 1

这两个类别没有必要具有相同的大小。