我如何知道我要为 sci-kit learn 提供哪些先验知识？（朴素贝叶斯分类器。）

Question

在 sci-kit learn 的朴素贝叶斯分类器中，您可以指定先验概率，分类器将在计算中使用这些提供的概率。但我不知道先验概率应该如何排序。

from sklearn.naive_bayes import BernoulliNB
data = [[0], [1]]
classes = ['light bulb', 'door mat']
classes.shuffle()  # This simulates getting classes from a complex source.
classifier = BernoulliNB(class_prior=[0, 1])  # Here we provide prior probabilities.
classifier.fit(data, classes)

在上面的代码中，我如何知道哪个类被假定为 100% 先验？在指定先验概率之前，我是否需要考虑数据中类别的顺序？

我也有兴趣知道这个记录在哪里。

Answer 1

看来是无证的。当合适时，目标由 进行预处理LabelBinarizer，因此您可以使用 获取数据的类

from sklearn.preprocessing import LabelBinarizer
labelbin = LabelBinarizer()
labelbin.fit_transform(classes)

然后labelbin.classes_包含目标数据的结果类 ( classes)，按照与先验之一相对应的顺序。