我在进行文本分类时使用了朴素贝叶斯方法，数据集中有10万条记录，其中8.8万条为正类记录，1.2万条为负类记录。我使用CountVectorizer将句子转换为单字和双字组合，并设定了alpha值范围为[0,10]，取了50个值，并绘制了图表。

在拉普拉斯加法平滑中，如果我持续增加alpha值，那么在交叉验证数据集上的准确率也会增加。我的问题是，这种趋势是否在预期之中？

回答：

如果持续增加alpha值，朴素贝叶斯模型将会偏向于记录数较多的类别，使模型变得过于简单（欠拟合），因此选择较小的alpha值是个好主意。