目前我正在进行一个文本分类项目，目标是根据 13 个类对一组 CV 进行分类。我使用贝叶斯算法（ComplementNB），在我的测试中，它是给出最高分的模型。问题是我没有超过 54% 的召回率，也没有超过 50% 的 F1 分数。我一开始就有班级不平衡的问题，而且我的课文也很相似，因此我的变量不是独立的。查看我的混淆矩阵，该模型倾向于对大多数类别中的大多数简历进行分类。是否有解决方案来增加我的 F1 分数，最重要的是应该为变量依赖问题做些什么？我想澄清一下，相同的文本 (CV) 最多可以有 4 个不同的类。