0
我試圖在sklearn中使用樸素貝葉斯分類器多類分類。我想用10倍交叉驗證來獲得分數。假設x是我的功能陣列,y是標籤載體,我這樣做:Scikit學習使用樸素貝葉斯多類分類與10倍交叉驗證
clf = MultinomialNB(fit_prior=False)
scores = cross_validation.cross_val_score(OneVsOneClassifier(clf), x, y, cv=10)
但是,這只是給我的10分每一個褶皺的數組。我想要的是OvO分類器中每對類的分數。有關如何做到這一點的任何建議?
也有什麼辦法可以爲NB分類器使用定製的平滑技術嗎?
感謝您的回答!我決定通過在每次摺疊時得到混淆矩陣並將它們加起來以得到最終的混淆矩陣來解決這個問題 – rk7