香港专业教育学院遇到了一个问题，使用朴素贝叶斯在文档分类到各种类的问题。
实际上，我想知道P（C）或我们最初掌握的课程的先验概率会随着时间的推移而不断变化。
例如，对于课程-[音乐，体育，新闻]，初始概率为[.25，.25，.50]
现在假设在某个月的时间里，如果我们
体育相关文件（例如80％的体育运动），那么我们的NaiveBayes将会失败，因为它将基于先验概率因子，即只有25％是体育运动。
我们如何处理这种情况？
最佳答案
如果您知道先验条件发生了变化，则应该定期进行调整（通过收集可代表新先验条件的新训练集）。通常，如果先验条件发生变化，则每种ML方法的准确性都会失败，并且您不会将此信息提供给分类器。您至少需要分类器的某种反馈。然后，例如，如果您有一个闭环，则可以在分类正确与否的情况下获取信息，并假设仅优先级发生更改-您可以简单地在线学习更改优先级（通过任何优化，因为很容易适应新的先验）。
通常，您应该查看概念漂移现象。
关于python - 文本数据集上的多类NaiveBayes分类具有变化的先验概率，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/34122417/