我正在尝试将sklearn中的朴素贝叶斯分类器用于多类分类。我想使用10倍交叉验证来获得分数。假设x是我的特征数组，y是标签矢量，我这样做是：
clf = MultinomialNB(fit_prior=False)
scores = cross_validation.cross_val_score(OneVsOneClassifier(clf), x, y, cv=10)
但是，这给了我每个褶皱10个分数的数组。我想要的是OvO分类器中每对课程的分数。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？
我想要的是OvO分类器中每对课程的分数。
不幸的是，OvO包装器目前没有公共API可以达到这些分数。
还有什么方法可以为NB分类器使用定制的平滑技术？
不可以，Lidstone平滑处理是目前唯一的选择。
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句