- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我目前正在尝试为分类特征推出我自己的朴素贝叶斯分类器,以确保我理解它们。现在我想将它们与 sklearns MultinomialNB
进行比较。但由于某种原因,我无法让 skearn 版本正确运行。我认为最容易比较的是 kaggle Titanic 数据集。所以它这样做了(这相当简单,对吧?):
import numpy as np
import pandas as pd
from sklearn.naive_bayes import MultinomialNB
train = pd.read_csv('data/in/train.csv')
X = np.asarray(train[['Pclass']])
y = np.asarray(train['Survived'])
clf = MultinomialNB()
clf.fit(X, y)
clf.predict_proba(X)
但它实际上预测(或没有,在这种情况下......)是泰坦尼克号上的每个人都会死亡。或者换句话说,当要预测的类标签为 [0, 1]
时,它预测 0。最奇怪的是,它显然只是给出了每个预测的类先验 P(y) 的概率(我用我的自制算法进行了检查;))。所以它显然不会将其与可能性 P(X|y) 相乘。
有人遇到过这种情况吗?我在这里犯了一些明显的错误吗?
编辑:
我想我现在明白了。如果我将输入数据集转换为列联表,并对输入特征进行单热编码,它会给出相同的预测概率。我使用了 alpha=0
的平滑与我自己的算法进行比较:
import numpy as np
import pandas as pd
from sklearn.naive_bayes import MultinomialNB
train = pd.read_csv('data/in/train.csv')
X_test = np.asarray(pd.get_dummies(train['Pclass']))
X = np.array(pd.crosstab(train[y_column], train['Pclass']))
y = np.array([0,1])
clf = MultinomialNB(alpha=0.0000000001, class_prior=np.array(class_prior))
clf.fit(X, y)
clf.predict_proba(X_test)
不过,我想知道的一件事是,为什么我现在必须手动指定类。如果我不这样做,sklearn 现在使用不知情的先验,[0.5, 0.5]
...
最佳答案
多项式朴素贝叶斯模型的工作原理与给定单个特征的预期工作原理完全一样。如果你看一下formula for P(X|y) ,当特征数量n=1时,它等于1。这就是原因。
朴素贝叶斯模型因对条件分布 P(X | y) 所做的假设而彼此不同。多项式朴素贝叶斯假设这是一个多项式分布。多项分布对滚动(可能有偏差的)k 面骰子 n 次的计数概率进行建模。
例如,假设给您一组由两家公司生产的骰子:FairDice 和 Crooks&Co。 FairDice 以生产公平的骰子而闻名,而 Crooks&Co 生产的加载骰子绝大多数都是 6 在上面。您需要学习通过多次 throw 骰子并查看结果来预测骰子的生产者。您将每个骰子 throw 数次,并将结果记录在具有 6 个特征的数据集中。每个特征代表 throw 骰子时相应值出现的次数。
count_1 count_2 count_3 count_4 count_5 count_6 fair_dice
5 6 4 7 6 5 1
3 2 1 2 1 13 0
现在这是用于训练多项式朴素贝叶斯分类器的合适数据集。
在单个特征上训练多项式朴素贝叶斯分类器相当于尝试对顶部具有相同数字的单面骰子进行分类。
例如如果你的特征值为[3,2,1],这意味着你扔了第一个骰子三次,每次都得到1,扔第二个骰子两次,每次都得到1,扔第三个骰子一次,得到1。没有为您提供有关骰子生产者的信息,因此您可以预测的最好结果是先验类别,这正是算法的作用。
关于python - sklearn MultinomialNB 仅预测类先验,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/49619152/
我正在处理一组标记为 160 个组的 173k 点。我想通过合并最接近的(到 9 或 10 个组)来减少组/集群的数量。我搜索过 sklearn 或类似的库,但没有成功。 我猜它只是通过 knn 聚类
我有一个扁平数字列表,这些数字逻辑上以 3 为一组,其中每个三元组是 (number, __ignored, flag[0 or 1]),例如: [7,56,1, 8,0,0, 2,0,0, 6,1,
我正在使用 pipenv 来管理我的包。我想编写一个 python 脚本来调用另一个使用不同虚拟环境(VE)的 python 脚本。 如何运行使用 VE1 的 python 脚本 1 并调用另一个 p
假设我有一个文件 script.py 位于 path = "foo/bar/script.py"。我正在寻找一种在 Python 中通过函数 execute_script() 从我的主要 Python
这听起来像是谜语或笑话,但实际上我还没有找到这个问题的答案。 问题到底是什么? 我想运行 2 个脚本。在第一个脚本中,我调用另一个脚本,但我希望它们继续并行,而不是在两个单独的线程中。主要是我不希望第
我有一个带有 python 2.5.5 的软件。我想发送一个命令,该命令将在 python 2.7.5 中启动一个脚本,然后继续执行该脚本。 我试过用 #!python2.7.5 和http://re
我在 python 命令行(使用 python 2.7)中,并尝试运行 Python 脚本。我的操作系统是 Windows 7。我已将我的目录设置为包含我所有脚本的文件夹,使用: os.chdir("
剧透:部分解决(见最后)。 以下是使用 Python 嵌入的代码示例: #include int main(int argc, char** argv) { Py_SetPythonHome
假设我有以下列表,对应于及时的股票价格: prices = [1, 3, 7, 10, 9, 8, 5, 3, 6, 8, 12, 9, 6, 10, 13, 8, 4, 11] 我想确定以下总体上最
所以我试图在选择某个单选按钮时更改此框架的背景。 我的框架位于一个类中,并且单选按钮的功能位于该类之外。 (这样我就可以在所有其他框架上调用它们。) 问题是每当我选择单选按钮时都会出现以下错误: co
我正在尝试将字符串与 python 中的正则表达式进行比较,如下所示, #!/usr/bin/env python3 import re str1 = "Expecting property name
考虑以下原型(prototype) Boost.Python 模块,该模块从单独的 C++ 头文件中引入类“D”。 /* file: a/b.cpp */ BOOST_PYTHON_MODULE(c)
如何编写一个程序来“识别函数调用的行号?” python 检查模块提供了定位行号的选项,但是, def di(): return inspect.currentframe().f_back.f_l
我已经使用 macports 安装了 Python 2.7,并且由于我的 $PATH 变量,这就是我输入 $ python 时得到的变量。然而,virtualenv 默认使用 Python 2.6,除
我只想问如何加快 python 上的 re.search 速度。 我有一个很长的字符串行,长度为 176861(即带有一些符号的字母数字字符),我使用此函数测试了该行以进行研究: def getExe
list1= [u'%app%%General%%Council%', u'%people%', u'%people%%Regional%%Council%%Mandate%', u'%ppp%%Ge
这个问题在这里已经有了答案: Is it Pythonic to use list comprehensions for just side effects? (7 个答案) 关闭 4 个月前。 告
我想用 Python 将两个列表组合成一个列表,方法如下: a = [1,1,1,2,2,2,3,3,3,3] b= ["Sun", "is", "bright", "June","and" ,"Ju
我正在运行带有最新 Boost 发行版 (1.55.0) 的 Mac OS X 10.8.4 (Darwin 12.4.0)。我正在按照说明 here构建包含在我的发行版中的教程 Boost-Pyth
学习 Python,我正在尝试制作一个没有任何第 3 方库的网络抓取工具,这样过程对我来说并没有简化,而且我知道我在做什么。我浏览了一些在线资源,但所有这些都让我对某些事情感到困惑。 html 看起来
我是一名优秀的程序员,十分优秀!