朴素贝叶斯文本分类问题中概率如果相等是如何处理的？

Question

from sklearn.naive_bayes import MultinomialNB
nb = MultinomialNB()
from sklearn.pipeline import make_pipeline
pipe = make_pipeline(vect, nb)
pipe.fit(X_train.cutted_comment, y_train)

pipe.predict(X_test.cutted_comment)

朴素贝叶斯是分别计算这个文本是差评的概率和是好评的概率，但是如果这两个概率相等该分到哪一类呢？我是基于词袋模型构建的特征词典，比如一个新的文本，文本中没有出现词典中的特征词，但是用拉普拉斯平滑可以算出一个不为零的概率，但是理论上应该好评差评概率相等吧，这个时候应该归在哪一类呢？实现机制是怎么样的？

Answer 1

概率如果相等的话可以随机判断一个。