最有用的功能都是对NLTK朴素贝叶斯分类器的正面评价

如何解决最有用的功能都是对NLTK朴素贝叶斯分类器的正面评价

当我完成代码后，

training_set = featuresets[:500]
testing_set = featuresets[500:]

classifier = nltk.NaiveBayesClassifier.train(training_set)
print("Original Naives Bayes Classifier Accuracy Percent:",(nltk.classify.accuracy(classifier,testing_set))*100)
classifier.show_most_informative_features(20)

出现的几乎所有功能都是pos：neg。

我的培训集有33％的阳性病例。然后，有了这么多的肯定特征，如果我尝试将分类器应用于测试集，我将得到66％的肯定句子，而不是33％。

我尝试将分类器应用于测试集，我也得到了66％的阳性病例，而不是33％。 奇怪的是，因为如果我在testing_set上运行分类器的准确性，则可以计算出很高的准确性（这是可以预测的），但是当我尝试将其应用于testing_set时，它将返回很多归为肯定性的否定语句。

为了获得预期的句子数量，我正在这样做（请参见下文）。我不知道上面是否有编码错误。

poss = 0
negg = 0
for custom_tweet in df.text:
    custom_tokens = word_tokenize(custom_tweet,language='portuguese')
    x = classifier.classify(dict([token,True] for token in custom_tokens))
    if x=='pos':
        poss +=1
    elif x=='neg':
        negg +=1
    
print(poss)
print(negg)