我正在平衡数据集上训练Naive Bayes分类器，其中有相同数量的正面和负面示例。在测试时，我依次计算正类，负类和组成负类的子集中的例子的准确性。然而，对于负类的一些子集，我得到的精度值低于50％，即随机猜测。我想知道，我是否应该担心这些结果远低于50％？谢谢！
答案 0 :(得分：-1)
您是否更担心低于50％，因为它是＆＃34; 二进制分类＆＃34; ？
准确性更多取决于训练数据
如果您使用数据{1,2,3,4,6}作为奇数（0级）和{2,4,5,6}作为偶数（1级）训练模型，您将无法获得准确预测＆＃34; 8＆＃34;。
您的问题：＆＃34;我想知道，我是否应该担心这些结果远低于50％？＆＃34;
我的意见：担心培训数据，使用可以更好地区分实际类别的优秀数据来训练模型。
答案 1 :(得分：-1)
如果没有具体细节，完全回答这个问题是不可能的，所以这里只是指导方针：
如果您的数据集具有相同数量的类，那么随机猜测将平均提供50％的准确度。
要明确的是，您确定您的模型已经在您的训练数据集中学习了某些东西吗？训练数据集的准确度是否高于50％？如果是，请继续阅读。
假设您的验证集大到足以排除统计波动，那么低于50％的准确度表明您的模型确实存在问题。
例如，您的类是否在验证数据集中以某种方式意外切换？因为请注意，如果您使用1 - model.predict（x），您的准确率将高于50％。