В наивных байесовских классификаторах sci-kit learn вы можете указать предыдущие вероятности, и классификатор будет использовать предоставленные вероятности в его расчетах. Но я не знаю, как должны быть упорядочены предыдущие вероятности.Как я узнаю, что раньше я даю научиться sci-kit? (Классификаторы наивных заливов.)
from sklearn.naive_bayes import BernoulliNB
data = [[0], [1]]
classes = ['light bulb', 'door mat']
classes.shuffle() # This simulates getting classes from a complex source.
classifier = BernoulliNB(class_prior=[0, 1]) # Here we provide prior probabilities.
classifier.fit(data, classes)
В приведенном выше коде, как узнать, какой класс предполагается на 100% раньше? Нужно ли мне рассматривать порядок классов в данных перед определением предыдущих вероятностей?
Мне также было бы интересно узнать, где это задокументировано.
Это не документированы для наивного байесовского, но это соглашение, по всей scikit-узнать, что в классе параметры работают как это. Патч приветствуется. –
Так что мне нужно сделать небольшую дополнительную работу, чтобы получить правильность заказа class_prior. Было бы неплохо, если бы class_prior принял словарь. Может быть, я загляну в патч, как упоминают лерсманы. – Buttons840