使用Naive Bayes進行10類交叉驗證的Scikit學習進行多類分類

Question

我正在嘗試將sklearn中的朴素貝葉斯分類器用於多類分類。 我想使用10倍交叉驗證來獲得分數。 假設x是我的特征數組，而y是標簽矢量，我這樣做是：

    clf = MultinomialNB(fit_prior=False)
    scores = cross_validation.cross_val_score(OneVsOneClassifier(clf), x, y, cv=10)

但這只是給我每張紙的10分。 我想要的是OvO分類器中每對課程的分數。 有關如何執行此操作的任何建議？

還有什么方法可以為NB分類器使用定制的平滑技術？

Answer 1

我想要的是OvO分類器中每對課程的分數。

不幸的是，OvO包裝器目前沒有公共API來獲得這些分數。

還有什么方法可以為NB分類器使用定制的平滑技術？

不可以，目前只有Lidstone平滑處理。