低频术语 - 朴素贝叶斯提高准确性

Question

我有数千个因素（分类变量），我正在应用Naive Bayes的分类。

我的问题是我的数据集中有很多因素出现很少次，因此它们似乎会降低我预测的性能。

事实上，我注意到如果我删除了几次发生的分类变量，我的准确性就显着提高了。但理想情况下，我想保留所有因素，你知道这样做的最佳做法是什么？

非常感谢。

Answer 1

评论太长了。

最低频率项可能会对准确性产生负面影响，因为没有足够的数据来进行准确的预测。因此，训练集中的观察结果可能与验证集无关。

您可以将所有最低频率的观测值合并为一个值。副手，我不知道正确的门槛是多少。你可以从拍摄5次或更少次的事情开始，然后把它们混在一起。