贝叶斯模型训练文本分类模型时，选中特征数:0 / 380 = 0.00%

[luoxianjiao]

注意事项

请确认下列注意事项：

• 我已仔细阅读下列文档，都没有找到答案：
  • 首页文档
  • wiki
  • 常见问题
• 我已经通过Google和issue区检索功能搜索了我的问题，也没有找到答案。
• 我明白开源社区是出于兴趣爱好聚集起来的自由社区，不承担任何责任或义务。我会礼貌发言，向每一个帮助我的人表示感谢。
• 我在此括号内输入x打钩，代表上述事项确认完毕。

版本号

当前最新版本号是：hanlp-1.6.7.jar
我使用的版本是：hanlp-1.6.7.jar

我的问题

我使用朴素贝叶斯模型训练进行文本分类时，我自己训练两个种类：商票、体育，每个种类训练5个句子，结果日志显示：
正在构造训练数据集...[商票]...50.00%...[体育]...100.00%...耗时 260 ms 加载完毕
原始数据集大小:10
使用卡方检测选择特征中...耗时 1 ms,选中特征数:0 / 380 = 0.00%
用训练得到的模型测试不同种类的文本时，每次都是体育，这是怎么回事呢？是训练的素材不够导致的吗？

复现问题

步骤

1. 首先……
2. 然后……
3. 接着……

触发代码

    public void testIssue1234() throws Exception
    {
        CustomDictionary.add("用户词语");
        System.out.println(StandardTokenizer.segment("触发问题的句子"));
    }

期望输出

期望输出

实际输出

实际输出

其他信息

[hankcs]

1. 的确，当特征都无法通过卡方检测时，不应该全部过滤。现在已经改进了。
2. 这么少的样本无法构成机器学习，训练出的模型没有多大用处。