- 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?
我快速经历了这个tutorial关于使用 Scikit learn 并对 NaiveBayes 与 Logistc 回归有疑问
Here是文字记录的链接 -
您应该能够复制/粘贴下面的代码并运行它。如果您得到不同的答案,请告诉我!
import pandas as pd
from sklearn.cross_validation import train_test_split
from sklearn.feature_extraction.text import CountVectorizer
from sklearn import metrics
from sklearn.naive_bayes import MultinomialNB
from sklearn.linear_model import LogisticRegression
vect = CountVectorizer()
url = 'https://raw.githubusercontent.com/justmarkham/pydata-dc-2016-tutorial/master/sms.tsv'
sms = pd.read_table(url, header=None, names=['label', 'message'])
sms['label_num'] = sms.label.map({'ham': 0, 'spam': 1})
X = sms.message
y = sms.label_num
X_train, X_test, y_train, y_test = train_test_split(X,y, random_state=1)
vect.fit(X_train)
X_train_dtm = vect.transform(X_train)
## NaiveBayes
nb = MultinomialNB()
nb.fit(X_train_dtm, y_train)
# LogisticRegression
logreg = LogisticRegression()
logreg.fit(X_train_dtm, y_train)
# testing data
simple_text = ["this is a spam message spam spam spam"]
simple_test_dtm = vect.transform(simple_text)
# ***NaiveBayes***
nb.predict(simple_test_dtm)
# array([1]) says this is spam
nb.predict_proba(simple_test_dtm)[:, 1]
# array([0.98743019])
# ****Logistic Regression***
logreg.predict(simple_test_dtm)
# array([0]) says this is NOT spam
logreg.predict_proba(simple_test_dtm)[:, 1]
# array([0.05628297])
nb_pred_class = nb.predict(X_test_dtm)
metrics.accuracy_score(y_test, nb_pred_class)
# 0.9885139985642498
lg_pred_class = logreg.predict(X_test_dtm)
metrics.accuracy_score(y_test, lg_pred_class)
# 0.9877961234745154
两个问题:
1.) 为什么当 LogisticRegression 说它是 Ham
时,NaiveBayes 却返回它是 Spam
?
两个分类器都返回高精度分数,但给出不同的答案?这让我很困惑。我做错了什么吗?
2.) .predict_probab
分数是什么意思?我认为我理解的方式是分类器响应的准确性。即 NB 表示它相信其答案 (1) 的准确度为 98%,但这意味着 LogReg 表示其答案 (0) 的准确度为 6%。
这没有道理。
任何帮助将不胜感激。
最佳答案
spam
是 sms.label.map({'ham': 0, 'spam': 中的第二个类别(即索引
。因此,您打印的概率是消息为垃圾邮件的概率,而不是模型预测类别的概率。 1
处) 1})logreg
给出了消息为垃圾邮件
的0.05628297
概率,这意味着它为ham<提供了大约
。您的两个模型都非常准确,但这并不意味着它们会在每个测试示例上达成一致。朴素贝叶斯在这一点上是对的,但逻辑回归却错了,应该还有其他例子,相反的情况也是如此。0.9437
概率
关于python - NaiveBayes 和 LogistcRegression 之间令人困惑的结果,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/54500440/
我需要修复 getLineNumberFor 方法,以便如果 lastName 的第一个字符位于 A 和 M 之间,则返回 1;如果它位于 N 和 Z 之间,则返回 2。 在我看来听起来很简单,但我不
您好,感谢您的帮助!我有这个: 0 我必须在每次点击后增加“pinli
Javascript 中是否有一种方法可以在不使用 if 语句的情况下通过 switch case 结构将一个整数与另一个整数进行比较? 例如。 switch(integer) { case
我有一列是“日期”类型的。如何在自定义选项中使用“之间”选项? 最佳答案 请注意,您有2个盒子。 between(在SQL中)包含所有内容,因此将框1设置为:DATE >= startdate,将框2
我有一个表,其中包含年、月和一些数字列 Year Month Total 2011 10 100 2011 11 150 2011 12 100 20
这个问题已经有答案了: Extract a substring between double quotes with regular expression in Java (2 个回答) how to
我有一个带有类别的边栏。正如你在这里看到的:http://kees.een-site-bouwen.nl/ url 中类别的 ID。带有 uri 段(3)当您单击其中一个类别时,例如网页设计。显示了一
这个问题在这里已经有了答案: My regex is matching too much. How do I make it stop? [duplicate] (5 个答案) 关闭 4 年前。 我
我很不会写正则表达式。 我正在尝试获取括号“()”之间的值。像下面这样的东西...... $a = "POLYGON((1 1,2 2,3 3,1 1))"; preg_match_all("/\((
我必须添加一个叠加层 (ImageView),以便它稍微移动到包含布局的左边界的左侧。 执行此操作的最佳方法是什么? 尝试了一些简单的方法,比如将 ImageView 放在布局中并使用负边距 andr
Rx 中是否有一些扩展方法来完成下面的场景? 我有一个开始泵送的值(绿色圆圈)和其他停止泵送的值(簧片圆圈),蓝色圆圈应该是预期值,我不希望这个命令被取消并重新创建(即“TakeUntil”和“Ski
我有一个看起来像这样的数据框(Dataframe X): id number found 1 5225 NA 2 2222 NA 3 3121 NA 我有另一个看起来
所以,我正在尝试制作正则表达式,它将解析存储在对象中的所有全局函数声明,例如,像这样 const a = () => {} 我做了这样的事情: /(?:const|let|var)\s*([A-z0-
我正在尝试从 Intellivision 重新创建 Astro-Smash,我想让桶保持在两个 Angular 之间。我只是想不出在哪里以及如何让这个东西停留在两者之间。 我已经以各种方式交换了函数,
到处检查但找不到答案。 我有这个页面,我使用 INNER JOIN 将两个表连接在一起,获取它们的值并显示它们。我有这个表格,用来获取变量(例如开始日期、结束日期和卡号),这些变量将作为从表中调用值的
我陷入了两个不同的问题/错误之间,无法想出一个合适的解决方案。任何帮助将不胜感激 上下文、FFI 和调用大量 C 函数,并将 C 类型包装在 rust 结构中。 第一个问题是ICE: this pat
我在 MySQL 中有一个用户列表,在订阅时,时间戳是使用 CURRENT_TIMESTAMP 在数据库中设置的。 现在我想从此表中选择订阅日期介于第 X 天和第 Y 天之间的表我尝试了几个查询,但不
我的输入是开始日期和结束日期。我想检查它是在 12 月 1 日到 3 月 31 日之间。(年份可以更改,并且只有在此期间内或之外的日期)。 到目前为止,我还没有找到任何关于 Joda-time 的解决
我正在努力了解线程与 CPU 使用率的关系。有很多关于线程与多处理的讨论(一个很好的概述是 this answer )所以我决定通过在运行 Windows 10、Python 3.4 的 8 CPU
我正在尝试编写 PHP 代码来循环遍历数组以创建 HTML 表格。我一直在尝试做类似的事情: fetchAll(PDO::FETCH_ASSOC); ?>
我是一名优秀的程序员,十分优秀!