标签： nlp data-mining text-classification naivebayes
我有一个关于NaïveBayes分类器的问题，其中包含用于训练和测试数据的偏差数据分布。
使用MLE（最大似然）而不是MAP（标准最大后验概率）对于训练数据的决策函数是否更好？
我的理解是，如果我们使用max，训练数据的分布和测试数据的分布是不同的。后验概率然后测试结果会偏向垃圾邮件类，所以MLE更好。我的理解是否正确？