python - 文本分类 - 处理不属于任何类别的文本

我正在开发一个文本分类器，并找到了一些可靠的选择。然而，我正在努力解决的一件事是处理不适合任何预定义类别的文本。这肯定会是我们在真实数据中看到的东西，所以我需要了解如何处理它。

我注意到，当我查看 predict_proba 输出时，（对于朴素贝叶斯/提升）值需要加起来为 1。我认为这是一个问题，因为如果文本不满足任何类别，算法仍然要求输出等于一，它仍然会为该文本分配一些任意标签，即使它确实不应该。

如果在 0.90 的阈值内，我已经提出了一些解决方案来获取最大概率并分配该类别，但我觉得这可能不是最好的方法。

有人对我可以尝试解决的一些方法有什么建议吗？

谢谢

标签： pythonnlptext-classification

在多标签分类中，文本可以属于零个、一个或多个类别。一个简单的实现是 One-VS-Rest 方法。（考虑每个类别的分类器，对 True 或 False 进行分类，如果所有这些分类器都分类为 False，则样本不属于任何类别。）当预测多个类别并且您只想要一个。

对于没有类别的样本，不应预测此无类别类别。当然，您需要有这种方法的训练样本。

当然，您使用阈值的方法也很有意义，但是很难将此阈值调整到完美的水平，因此我会使用无类别类或多标签方法。