我比较了两个朴素贝叶斯分类器：一个来自NLTK，一个来自Scikit学习。我正在处理一个多类分类问题（3类：正（1）、负（-1）和中性（0））。

在不执行任何特征选择（即使用所有可用特征）的情况下，并使用70000个实例的训练数据集（带噪标签，实例分布为17%正、4%负和78%中性），我训练了两个分类器，第一个是nltk。NaiveBayesClassifier，第二个是sklearn。天真的贝耶斯。多项式nb（具有fit\u prior=True）。

经过培训，我在30000个实例的测试集上评估了分类器，得到了以下结果：

**NLTK's NaiveBayes**
accuracy: 0.568740
class: 1
     precision: 0.331229
     recall: 0.331565
     F-Measure: 0.331355
class: -1
     precision: 0.079253 
     recall: 0.446331 
     F-Measure: 0.134596 
class: 0
     precision: 0.849842 
     recall: 0.628126 
     F-Measure: 0.722347 


**Scikit's MultinomialNB (with fit_prior=True)**
accuracy: 0.834670
class: 1
     precision: 0.400247
     recall: 0.125359
     F-Measure: 0.190917
class: -1
     precision: 0.330836
     recall: 0.012441
     F-Measure: 0.023939
class: 0
     precision: 0.852997
     recall: 0.973406
     F-Measure: 0.909191

**Scikit's MultinomialNB (with fit_prior=False)**
accuracy: 0.834680
class: 1
     precision: 0.400380
     recall: 0.125361
     F-Measure: 0.190934
class: -1
     precision: 0.330836
     recall: 0.012441
     F-Measure: 0.023939
class: 0
     precision: 0.852998
     recall: 0.973418
     F-Measure: 0.909197

我注意到，虽然Scikit的分类器具有更好的整体准确性和精确度，但与NLTK分类器相比，它的召回率非常低，至少与我的数据相比是这样。考虑到它们可能（几乎）是相同的分类器，这不是很奇怪吗？