Nltk基于单个参数进行分类

Question

我正在尝试使用NaiveBayesClassifier对在智能家居某些区域中花费的时间进行分类。

我的训练数据如下：

[[{'time': '00:00'}, 'IN'], [{'time': '00:01'}, 'IN'], [{'time': '00:02'}, 'OUT'], [{'time': '00:03'}, 'OUT'], [{'time': '00:04'}, 'OUT'], [{'time': '00:05'}, 'OUT'], [{'time': '00:06'}, 'OUT'], ......,  [{'time': '08:06'}, 'IN'], [{'time': '08:07'}, 'IN'], [{'time': '08:08'}, 'IN'], ... ]

这是我的代码：

classifier = nltk.NaiveBayesClassifier.train(training_data)

start_date = datetime.strptime('2010-11-19 00:00', '%Y-%m-%d %H:%M')
end_date = datetime.strptime('2010-11-19 23:59', '%Y-%m-%d %H:%M')

test_data = []
while start_date < end_date:
    test_data.append(dict(time=start_date.strftime('%H:%M')))
    start_date += timedelta(0, 60)

test = classifier.classify_many(test_data)
print(test)

结果如下：

['OUT', 'OUT', 'OUT', 'OUT', 'OUT', 'OUT', 'OUT', 'OUT', 'OUT',....]

结果我永远不会得到'IN' 。 有人可以看到我的分类器有问题吗？

Answer 1

正如MedAli所建议的那样，问题出在我的数据集中仅占IN 11％，所以我不得不根据以下内容调整我的数据集： http : //machinelearningmastery.com/tactics-to-combat-imbalanced-classes-in-your-机器学习数据集/

我更改了数据集，因此它现在仅具有基于小时的数据（如果传感器在一小时内被激活，则将其添加为IN ）。

这不是完美的解决方案，但是对于我的情况来说已经足够了。