Je cherche à implémenter un classificateur Naive Byes pour un site de révision afin d'identifier les critiques de spam et poser quelques questions.Plusieurs classificateurs Naive Bayes
Il me semble il y a plusieurs types de spam, comme les déchets de marketing pur et simple avec rien à voir avec la chose qu'ils examinent, par rapport à un examen trompeur. Serait-il judicieux d'implémenter plusieurs classificateurs à des fins différentes pour que l'on améliore la détection générale des spams, tandis que l'autre apprend des critiques trompeuses? Dans un même ordre de grandeur, il existe plusieurs catégories d'articles examinés, donc pour le classificateur "révision trompeuse", serait-il préférable d'avoir un seul classificateur qui essaie d'apprendre de toutes les critiques? ou serait-il préférable d'avoir un classificateur par catégorie afin qu'il puisse être capable d'apprendre des nuances dans ces catégories?
Je sais que ce ne sera pas tromper la preuve, il est juste sur le signalement des critiques potentiels pour la vérification manuelle, mais je ne suis pas clair sur la meilleure configuration.