增加训练样例会降低最大熵分类器的准确性

Question

我正在使用MaxEnt词性标注器来对语言语料库进行pos标签分类。我从理论上知道，增加训练样例通常应该提高分类准确性。但是，我观察到，在我的情况下，如果我将3/4数据用于训练并休息用于测试，则标记器给出最大f测量值。如果我将训练数据大小增加到整个语料库的85或90℅，那么准确度会降低。即使将训练数据大小减小到全语料库的50℅，精度也会降低。

我想知道通过增加训练样例来降低准确性的可能原因。

Answer 1

我怀疑在简化的测试集中，您选择了极端样本并将更多的常规样本添加到训练集中，然后您减少了模型知道的测试样本的数量。