也许我的问题很复杂，但我想知道StandardNaiveBayesClassifier中ComplementaryNaiveBayesClassifier和Mahout算法的主要区别哪一个在较小的训练数据量上表现更好，还是它是数据依赖的问题哪一个更适合情绪分析？还有其他一些方面…
提前谢谢你！
最佳答案
Complement naive Bayes是一个朴素的bayes变体，当训练集中的类不平衡时，它往往比普通的版本工作得更好。简言之，它是基于y的补码来估计每一类y的特征概率，即基于所有其他类的样本，而不是基于类y本身的训练样本。
关于algorithm - mahout中的StandardNaiveBayesClassifier和ComplementaryNaiveBayesClassifier之间的差异，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/20694184/