朴素贝叶斯分类器动态训练

Question

是否可以（如果可以）动态训练 sklearn MultinomialNB 分类器？ 每次我在其中输入电子邮件时，我都想训练（更新）我的垃圾邮件分类器。

我想要这个（不起作用）：

x_train, x_test, y_train, y_test = tts(features, labels, test_size=0.2)
clf = MultinomialNB()
for i in range(len(x_train)):
    clf.fit([x_train[i]], [y_train[i]])
preds = clf.predict(x_test)

得到与此类似的结果（工作正常）：

x_train, x_test, y_train, y_test = tts(features, labels, test_size=0.2)
clf = MultinomialNB()
clf.fit(x_train, y_train)
preds = clf.predict(x_test)

Answer 1

Scikit-learn 支持多种算法的增量学习，包括 MultinomialNB。查看文档here

您需要使用方法partial_fit() 而不是fit()，因此您的示例代码如下所示：

x_train, x_test, y_train, y_test = tts(features, labels, test_size=0.2)
clf = MultinomialNB()
for i in range(len(x_train)):
    if i == 0:
        clf.partial_fit([x_train[i]], [y_train[I]], classes=numpy.unique(y_train))
    else:
        clf.partial_fit([x_train[i]], [y_train[I]])
preds = clf.predict(x_test)

编辑：按照@BobWazowski 的建议，将classes 参数添加到partial_fit