中文翻译sklearn.naive_bayes.MultinomialNB

• 官方定义¹

  class sklearn.naive_bayes.MultinomialNB(alpha = 1.0, fit_prior= True, class_prior= None)

• 概念解释

  针对多项式模型的朴素贝叶斯（Naive Bayes）分类器。

  多项式朴素贝叶斯分类器适合离散特征的分类问题。（例如：文本分类中的单词计数）。

  多项式分布一般要求特征计数是整数。然而，实际应用中，如tf-idf这种分数计数也可能有效。

  更多细节见：Multinomial Naive Bayes。

• 参数Parameters

  Parameters	数据类型	意义
  alpha	float, optional (default=1.0)	附加的平滑参数（Laplace/Lidstone），0是不平滑
  fit_prior	boolean, optional (default=True)	不管是否是学习经典先验概率，如果False则采用uniform先验
  class_prior	array-like, size (n_classes,), optional (default=None)	类别的先验概率，一经指定先验概率不能随着数据而调整

• 属性Attributes

  Attributes	数据类型	意义
  class_log_prior_	array,shape (n_classes, )	平滑的经验对数概率
  intercept_	array, shape (n_classes, )	class_log_prior_的镜像将MultinomialNB解释为线性模型
  featur_log_prob_	array, shape (n_classes, n_features)	j特征的经验对数概率P(x_i|y)
  coef_	array, shape (n_classes, n_features)	feature_log_prob_镜像用于将MultinomialNB解释为线性模型
  class_count_	array, shape (n_classes,)	拟合过程中每个类遇到的样本数，这个值用给定的权重值作为权重
  feature_count_	array, shape (n_classes, n_features)	拟合过程中每个（类、特征）遇到的样本数，这个值用给定的权重值作为权重

  关于coef_ and intercept_背后的原理，即Naive Bayes作为一个线性分类器，参见J. Rennie et al. (2003), Tackling the poor assumptions of naive Bayes text classifiers, ICML.

• 方法Methods

  1. fit(self, X, y[, sample_weight])

     根据X，y拟合NB分类器

  2. get_params(self[, deep])

     获取这个评估器的参数

  3. partial_fit(self, X, y[, classes, sample_weight])

     对一批样本进行增量拟合

  4. predict(self, X)

     在测试向量X构成的数组上演示分类性能

  5. predict_log_proba(self, X)

     返回针对测试向量X的对数概率估算

  6. predict_proba(self, X)

     返回针对测试向量X的概率估算

  7. score(self, X, y[, sample_weight])

     返回针对特殊样本的准确性

  8. set_params(self, **params)

     为此评估器设置参数

• Examples

  1. Out-of-core classification of text documents
  2. Classification of text documents using sparse features

---

• Reference

---

1. sklearn.naive_bayes.MultinomialNB ↩︎