我正在一个平衡的数据集上训练一个朴素贝叶斯分类器，具有相同数量的正负示例。在测试时，我依次计算正类、负类和构成负类的子集中的示例的准确性。但是，对于负类的某些子集，我得到的准确度值低于 50%，即随机猜测。我想知道，我应该担心这些结果远低于50%吗？谢谢！
如果没有具体的细节，就不可能完全回答这个问题，所以这里是指导方针：
如果你有一个具有相同数量的类的数据集，那么随机猜测将给你平均 50% 的准确率。
需要明确的是，你确定你的模型在你的训练数据集上学到了一些东西吗？训练数据集准确率是否高于 50%？如果是，请继续阅读。
假设您的验证集足够大，可以排除统计波动，那么低于 50% 的准确度表明您的模型确实有问题。
例如，您的类是否在验证数据集中意外切换？因为请注意，如果您改用 1 - model.predict(x(，您的准确度将高于 50%。