朴素贝叶斯负值问题

这是使用word2vector + MultinomialNB训练时会出现的一个问题。由于word2vector对文本数据集进行处理后，向量中出现了负值，而MultinomialNB要求训练集中不出现负值

参考文章：https://stats.stackexchange.com/questions/169400/naive-bayes-questions-continus-data-negative-data-and-multinomialnb-in-scikit

MultinomialNB assumes that features have multinomial distribution which is a generalization of the binomial distribution. Neither binomial nor multinomial distributions can contain negative values.

如果不想继续对向量进行归一化之类的处理，那么可以考虑使用GaussianNB或其他分类算法；
如果还是想用MultinomialNB，那么可以尝试将数据归一化，可以使用preprocessing.MinMaxScaler来处理。参考文章：关于使用sklearn进行数据预处理 —— 归一化/标准化/正则化，需要注意的是，在默认的(0，1)范围对数据进行缩放，可能预测的准确率会很低，那么可以通过下列方法来调优。要做好心理准备，即使调到最佳的范围，准确率也不一定高。

MinMaxScaler(feature_range=(0,10))  #自定义区间

原文链接：https://www.jianshu.com/p/d20eb52ef997