python - 属于同一类的数据的 Sklearn 朴素贝叶斯分类器

Question

我运行了这个简单的朴素贝叶斯程序：

import numpy as np
X = np.array([[-1, -1], [-2, -1], [-3, -2], [1, 1], [2, 1], [3, 2]])
Y = np.array([1, 1, 1, 2, 2, 2])
from sklearn.naive_bayes import GaussianNB
clf = GaussianNB()
clf.fit(X, Y)
print(clf.predict([[-0.8, -1],[-0.9, -1]]))

我得到的结果是：

[1 1]

[-0.8, -1]分类为 1，分类为2。[-0.9, -1]如果我知道我的数据都来自同一个类，即[[-0.8, -1],[-0.9, -1]]来自同一个类，scikit-learn 的朴素贝叶斯分类器有没有办法将此数据分类为整体（在这种情况下给我 [1] 作为结果），而不是单独分类每个数据点。

Answer 1

朴素贝叶斯分类器将每个输入单独分类（而不是作为一个组）。如果您知道所有输入都属于同一个（但未知）类，那么您需要做一些额外的工作来获得结果。一种选择是选择结果中计数最多的类，clf.predict但如果组中只有两个实例，则可能效果不佳。

另一种选择是为分类器调用predict_probaGaussianNB，它将返回每个输入的所有类的概率。然后，您可以使用单个概率（例如，您可以将每个类别的概率相加）来决定您希望如何对组进行分类。

您甚至可以结合这两种方法 - 使用predict并选择计数最高的类，但使用它predict_proba来打破平局。