我正在尝试使用 SkLearn Bayes classification。
gnb = GaussianNB()
gnb.set_params('sigma__0.2')
gnb.fit(np.transpose([xn, yn]), y)
但我明白了：
set_params() takes exactly 1 argument (2 given)
现在我尝试使用此代码：
gnb = GaussianNB()
arr = np.zeros((len(labs),len(y)))
arr.fill(sigma)
gnb.set_params(sigma_ = arr)
得到：
ValueError: Invalid parameter sigma_ for estimator GaussianNB
是参数名还是值错误？
【问题讨论】：
标签： python scikit-learn
我只是偶然发现了这个，所以这里是一个字典中多个参数的解决方案：
from sklearn import svm
params_svm = {"kernel":"rbf", "C":0.1, "gamma":0.1, "class_weight":"auto"}
clf = svm.SVC()
clf.set_params(**params_svm)
【讨论】：
set_params() 仅接受关键字参数，如文档中所示。它被声明为set_params(**params)。
因此，为了使其工作，您只需使用关键字参数调用它：gnb.set_params(some_param = 'sigma__0.2')
【讨论】：
sigma_ : array, shape = [n_classes, n_features]，正如它在文档中所写的那样。那么，应该如何设置呢？
print gnb.get_params()，看看能不能找到你需要的参数名称。
文档中写的语法是：
set_params(**params)
这两个星表示您需要提供关键字参数 (read about it here)。所以你需要在form your_param = 'sigma__0.2'
【讨论】：
sigma_ 是在训练期间计算的实例属性。您可能不打算直接修改它。
from sklearn.naive_bayes import GaussianNB
import numpy as np
X = np.array([[-1,-1],[-2,-1],[-3,-2],[1,1],[2,1],[3,2]])
y = np.array([1,1,1,2,2,2])
gnb = GaussianNB()
print gnb.sigma_
输出：
AttributeError: 'GaussianNB' object has no attribute 'sigma_'
更多代码：
gnb.fit(X,y) ## training
print gnb.sigma_
输出：
array([[ 0.66666667, 0.22222223],
[ 0.66666667, 0.22222223]])
训练后，可以修改sigma_的值。这可能会影响预测结果。
gnb.sigma_ = np.array([[1,1],[1,1]])
【讨论】：
这里的问题是GaussianNB只有一个参数，那就是priors。
class sklearn.naive_bayes.GaussianNB(priors=None)
你要找的sigma参数其实是GaussianNB类的一个属性，不能被set_params()和get_params()方法访问。
您可以操作sigma 和theta 属性，方法是将一些Priors 输入GaussianNB 或将其拟合到特定的训练集。
【讨论】：