[英]Scikit-learn using Naive Bayes for multiclass classification with 10 fold cross validation
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?
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。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.