我正在使用scikit-learn对一些文本进行分类，我有10个类，并且我正在使用svm.SVC(kernel='linear',probability=True,class_weight='balanced')，MultinomialNB()和tree.DecisionTreeClassifier()进行分类。
树分类器做得很好，三个分类器的准确性在80-90％之间（对我的应用程序来说足够了。）>
问题是，某些文本不属于10个类别中的任何一个，我的意思是应该有一个“ Others”或“ Not Class found”类别，但是我找不到解决方法，我有尝试添加该类并使用随机文本训练分类器，但结果效果不佳（准确度为50-60％）。
我正在尝试使用朴素贝叶斯为我提供的clf.predict_proba函数并定义阈值的概率，但这有点“过度拟合”了分类器。
有人解决了这样的问题吗？预先感谢。
注意：
我使用了1000个文本来训练分类器
我正在使用scikit-learn对一些文本进行分类，我有10个类，并且正在使用svm.SVC（kernel ='linear'，probability = True，class_weight ='balanced'），MultinomialNB（）和树。 DecisionTreeClassifier（）到...
[遇到类似问题时，我在训练集中添加了空白数据示例，并标有'unknown'类。虽然某些模型的空白功能不能很好地执行，但某些模型却可以（Bernoulli Naive Bayes，随机森林...）。然后（通过使用必要的空行数）确保对未知类的调用为1。您训练有素的矢量化器将不会识别新文本中的任何输入，而这些输入与训练数据没有什么共同之处（所有功能都为0），然后您的模型会将它们分类为未知。使用熊猫：
您可以对输出概率设置阈值，以确定未知/“域外”。只要您仅使用训练（或验证）集来确定正确的阈值，并且仅在测试集上对其进行评估-我不会看到过拟合的问题。阈值可以视为决策函数的超参数。它可以使用全局阈值，也可以使用每个类别的阈值。