Scikit學習使用樸素貝葉斯多類分類與10倍交叉驗證

Question

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：

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？

Answer 1

我想要的是OvO分類器中每對類的分數。

不幸的是，OvO包裝器目前沒有一個公共API來獲得這些分數。

也有什麼辦法可以爲NB分類器使用定製的平滑技術嗎？

不，Lidstone平滑是目前唯一的選擇。