python - 在 python 中使用 BernoulliNB(朴素贝叶斯分类器)scikit-learn 的简单示例 - 无法解释分类

Question

使用 scikit-learn 0.10

为什么下面的简单代码片段:

from sklearn.naive_bayes import *

import sklearn
from sklearn.naive_bayes import *

print sklearn.__version__

X = np.array([ [1, 1, 1, 1, 1], 
               [0, 0, 0, 0, 0] ])
print "X: ", X
Y = np.array([ 1, 2 ])
print "Y: ", Y

clf = BernoulliNB()
clf.fit(X, Y)
print "Prediction:", clf.predict( [0, 0, 0, 0, 0] )    

打印出“1”的答案？在 [0,0,0,0,0] => 2 上训练模型后，我期待“2”作为答案。

为什么用

替换Y

Y = np.array([ 3, 2 ])

给出不同的类别“2”作为答案(正确的)？这不就是一个类标签吗？

有人可以阐明这一点吗？

Answer 1

默认情况下，alpha，平滑参数为1。正如 msw 所说，你的训练集很小。由于平滑，没有信息被留下。如果将 alpha 设置为非常小的值，您应该会看到预期的结果。