SciKit-learn - 训练高斯朴素贝叶斯分类器答案

【问题标题】：SciKit-learn - Training a Gaussian Naive Bayes ClassifierSciKit-learn - 训练高斯朴素贝叶斯分类器
【发布时间】：2017-06-21 21:51:53
【问题描述】：

我正在尝试绘制高斯朴素贝叶斯分类器的决策面。不过，我似乎在训练分类器时遇到了一些问题。我对机器学习也很陌生。

首先我生成 100 个随机点，其中一半具有不同的坐标和标签。

for i in range(50):
    point1.append([np.random.randint(50,80),np.random.randint(50,80)])
    point1L.append(1)
for i in range(50):
    point2.append([np.random.randint(10,40),np.random.randint(10,70)])
    point2L.append(0)

然后我训练它。

clf = GaussianNB()
clf.fit(point1,point1L)
clf.fit(point2, point2L)

然后我遇到了一个问题。我这里的分类器似乎无法区分这两点。

print(clf.predict([np.random.randint(50,80),np.random.randint(50,80)]))
print(clf.predict([np.random.randint(10,40),np.random.randint(10,70)]))

我得到的结果似乎总是：

[0]
[0]

我做错了什么，我该如何解决？

顺便说一句，我还想知道我是否可以直接从分类器本身绘制决策边界，而不是通过比较分类器在每个点的决策。

【问题讨论】：

只需将“fit(x,y)”切换为“partial_fit(x,y,[0,1])”即可

标签： python machine-learning scikit-learn

【解决方案1】：

fit() 方法只能调用一次。您调用了两次fit 方法，一次用于point1，一次用于point2。因此，当您再次为 point2 调用 fit() 时，估计器会自行重置并仅针对 point2L 进行训练，即 0。这就是您的预测始终为 0 的原因。首先将point1 和point2 组合成一个新矩阵（标签相同），然后在新矩阵上调用fit 方法。

【讨论】：