我是新手。在
我在sklearntoolkit中使用naivebayes分类器(NBC)构建了一组弱分类器。在
我的问题是,我如何结合每个国家广播公司的输出做出最终决定。我希望我的决定是在概率而不是标签上。在
我用python编写了以下程序。我假设两类问题来自sklean的iris数据集。为了演示/学习,假设我制作了一个4 NBC,如下所示。在
from sklearn import datasets
from sklearn.naive_bayes import GaussianNB
import numpy as np
import cPickle
import math
iris = datasets.load_iris()
gnb1 = GaussianNB()
gnb2 = GaussianNB()
gnb3 = GaussianNB()
gnb4 = GaussianNB()
#Actual dataset is of 3 class I just made it into 2 class for this demo
target = np.where(iris.target, 2, 1)
gnb1.fit(iris.data[:, 0].reshape(150,1), target)
gnb2.fit(iris.data[:, 1].reshape(150,1), target)
gnb3.fit(iris.data[:, 2].reshape(150,1), target)
gnb4.fit(iris.data[:, 3].reshape(150,1), target)
#y_pred = gnb.predict(iris.data)
index = 0
y_prob1 = gnb1.predict_proba(iris.data[index,0].reshape(1,1))
y_prob2 = gnb2.predict_proba(iris.data[index,1].reshape(1,1))
y_prob3 = gnb3.predict_proba(iris.data[index,2].reshape(1,1))
y_prob4 = gnb4.predict_proba(iris.data[index,3].reshape(1,1))
#print y_prob1, "\n", y_prob2, "\n", y_prob3, "\n", y_prob4
# I just added it over all for each class
pos = y_prob1[:,1] + y_prob2[:,1] + y_prob3[:,1] + y_prob4[:,1]
neg = y_prob1[:,0] + y_prob2[:,0] + y_prob3[:,0] + y_prob4[:,0]
print pos
print neg
正如你会注意到的,我只是简单地添加了NBC的概率作为最终得分。我想知道这是否正确?在
如果我没有错,你能给我一些建议,这样我就能改正自己。在
首先-你为什么这么做?这里应该有一个朴素的Bayes,而不是每个特性都有一个。你好像不明白分类器的意思。你所做的实际上是naivebayes在内部所做的事情——它独立地处理每个特征,但是由于这些是概率,你应该将它们相乘或者加上对数,因此:
gnb.fit(iris.data, target)
如果你坚持要有多个NBs,你应该通过乘法或对数加法来合并它们(从数学角度来看,这是一样的,但是乘法在数值意义上不太稳定)
pos = y_prob1[:,1] * y_prob2[:,1] * y_prob3[:,1] * y_prob4[:,1]
或者
pos = np.exp(np.log(y_prob1[:,1]) + np.log(y_prob2[:,1]) + np.log(y_prob3[:,1]) + np.log(y_prob4[:,1]))
也可以直接通过
gnb.predict_log_proba
而不是gbn.predict_proba
来预测对数。在但是,这种方法有一个错误-naivebayes也会在每个prob中包含previor,因此您将得到非常倾斜的分布。所以你必须手动规范化
pos_prior = gnb1.class_prior_[1]
所有模型的优先级都相同,因此我们可以使用gnb1中的一个pos = pos_prior_ * (y_prob1[:,1]/pos_prior_) * (y_prob2[:,1]/pos_prior_) * (y_prob3[:,1]/pos_prior_) * (y_prob4[:,1]/pos_prior_)
简化为
pos = y_prob1[:,1] * y_prob2[:,1] * y_prob3[:,1] * y_prob4[:,1] / pos_prior_**3
以及记录到
pos = ... - 3 * np.log(pos_prior_)
所以再一次-你应该使用“1”选项。
相关问题 更多 >
编程相关推荐