我的数据集将COPD文档作为阳性数据(86(和疟疾(20( Diarreha(20( 象征性(20(作为负数据，因此我的数据集中的总文档为146，其中86为正，为负数为6。输入。我使用幼稚的贝叶斯算法进行训练和测试。准确= 89％，精度= 84％，召回= 100％。现在，我正在使用新文档来在数据集之外进行测试。其中20个文件为正(COPD(和20个文档为负(我们的数据集中不在我们的数据集中的疾病中(现在，它将几乎所有文档都预测为正面，或者我们可以说准确性随着很大的价值而降低。我的问题是我在这里做错了什么？为什么我的分类器在新文档中不正常？任何类型的帮助都将不胜感激。
您显然在训练集中过度拟合。您必须使用正则化来使您的模型也可以很好地概括在新数据上。
您可以选择L2 Norm或辍学技术来防止过度拟合。