我有一个“简单”的问题：我有文本段落，根据这些文本应该决定它是属于“类别A”还是“类别B”。
作为训练数据，我有已经分类的文本段落，算法可以用这些数据进行训练。
文本段落看起来像这样：
类别A
一辆蓝色的车在行驶或者
蓝色的公交车停了下来或者
蓝色的自行车在行驶类别B
一辆红色的自行车在行驶或者
红色的公交车停了下来（文本段落包含最多20个单词，且变化很大）
如果我用这些示例数据训练了算法，当文本包含“蓝色”时，它应该判定为类别A，包含“红色”时判定为类别B，依此类推。
算法应该基于训练数据学习，如果某个单词的频率更可能属于类别A还是类别B。
实现这一点的最佳方法是什么？我应该使用哪种工具？
回答：
你可以尝试使用Fisher方法，该方法计算文档中每个特征词（如红色、蓝色）对正类（A）和负类（B）的概率。假设每个类别中的项目数量相等，得到包含指定词（红色、蓝色）的句子属于指定类别（A、B）的概率。然后得到一个综合概率。
由于特征不是独立的，这不会是真正的概率，但它类似于贝叶斯分类器。Fisher方法返回的值是对概率的更好估计，这在报告结果或决定截止点时非常有用。
