python - 我可以在 sklearn 贝叶斯分类器中设置先验特征吗？

Question

我做了一些简单的贝叶斯分类

X = [[1,0,0], [1,1,0]] ### there are more data of course
Y = [1,0]

classifier = BernoulliNB()

classifier.fit(X, Y)

现在我得到了一些“内幕消息”，即每个 X 中的第一个元素比其他元素更重要。

1. 我可以在训练模型之前结合这些知识吗？

2. 如果 sklearn 不允许，是否有任何其他分类器或其他库允许我们合并之前的模型训练？

Answer 1

我不知道问题2的答案，但我可以回答问题1。

在评论 “将每个观察的第一个元素乘以不同的值” 是错误的方法。

当您使用 BernoulliNB 或 Binomial 时，您合并先验知识的方式是将您的知识添加到样本(数据)中。

假设您正在掷硬币，并且您知道硬币朝更多的正面朝上。然后您将添加更多显示更多正面的样本。如果您的先验知识表明 70% 正面和 30% 反面:您可以添加总共 100 个样本，70 个正面和 30 个反面，到您的数据 X。