我正在对 Twitter 数据进行一些情感分析，我想比较朴素贝叶斯分类器和逻辑回归分类器，以确定它们的性能是否受到数据拼写检查的影响。特征提取器是一个简单的词袋，拼写校正算法是一个编辑距离python包。

现在对于逻辑回归，在拼写检查之后，准确率下降了 1%，误报和误报数提高了大约 20。我预计朴素贝叶斯的表现也一样，认为这可能与训练步骤有关，可能有些单词被错误纠正并且测试阶段受到影响。但它实际上获得了 2% 的更高百分比和更多的真阳性和真阴性（但也有更多的假阴性）。

算法的性质（生成/判别）是其背后的原因吗？或者它是我想念的东西，因为我现在无法理解它。（它们都使用相同的训练和测试数据、相同的预处理程序和相同的拼写校正算法）。

谢谢你的帮助！！

一个（总）菜鸟。