Scikit-learn 使用朴素贝叶斯进行 10 折交叉验证的多类分类

Question

我正在尝试使用 sklearn 中的朴素贝叶斯分类器进行多类分类。我想使用 10 倍交叉验证获得分数。假设 x 是我的特征数组，y 是标签向量，我这样做：

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

但这只是给了我每个折叠的 10 个分数的数组。我想要的是 OvO 分类器中每对类的分数。有关如何执行此操作的任何建议？

还有什么方法可以为 NB 分类器使用定制的平滑技术？

Answer 1

我想要的是来自 OvO 分类器的每对类的分数。

很遗憾，OvO 包装器目前没有公共 API 来获取这些分数。

还有什么方法可以为 NB 分类器使用定制的平滑技术？

不，Lidstone 平滑是目前唯一的选择。