使用高斯朴素贝叶斯的多类分类

Question

我知道朴素贝叶斯擅长二元分类，但我想知道多类分类是如何工作的。

例如：我之前使用朴素贝叶斯进行了文本分类，其中我对文本进行了向量化以找到文档中每个单词的概率，然后使用向量化的数据来拟合朴素贝叶斯分类器。

现在，我正在处理如下数据：

A、B、C、D、E、F、G

210、203、0、30、710、2587452、0

273、250、0、30、725、3548798、1

283、298、0、31、785、3987452、3

在上述数据中，有6个特征（A-F），G是具有值（0,1或2）的类

我在数据集中有近 70000 个条目，类别（输出）为 1、2 或 3。

将数据拆分为测试和训练数据后，我将训练数据拟合到 sklearn-GaussianNB 算法中。 拟合后，当我尝试预测测试数据时，它只是分类为 0 或 2。

所以，我的问题是，在文本分类期间，我在拟合 navie bayes 分类器之前执行了矢量化，在将 GaussianNB 分类器与训练数据拟合之前，我需要对上述数据进行数据预处理吗？可以预测多类（0,1 和 2），而不仅仅是（0 和 2）。

Answer 1

我知道朴素贝叶斯擅长二元分类，但我想知道多类分类是如何工作的。

朴素贝叶斯没有什么专门针对二分类的，它被设计用来做多类分类就好了。

所以，我的问题是，在文本分类期间，我在拟合 navie bayes 分类器之前执行了矢量化，在将 GaussianNB 分类器与训练数据拟合之前，我需要对上述数据进行数据预处理吗？可以预测多类（0,1 和 2），而不仅仅是（0 和 2）。

不，对于 multiclass 位没有预处理。但是，对于高斯位 - 顾名思义，该模型将尝试将高斯 pdf 拟合到每个特征。因此，如果您的特征不遵循高斯分布 - 它可能会失败。如果您可以计算出每个特征的转换（基于您拥有的数据）以使它们更像高斯，它将有助于模型。例如，您的某些特征似乎是巨大数字，如果它们不遵循高斯分布，可能会导致严重的困难。您可能想要规范化您的数据，甚至删除这些功能。

您的模型永远不会预测 1 的唯一原因是因为在朴素贝叶斯假设下，并且在提供数据的情况下 - 它不太可能被考虑。您可以尝试如上所述的规范化功能。如果这失败了，您还可以通过向 sklearn 提供您自己的prior 属性来人为地“超重”选定的类（通常根据数据估计为“遇到类 X 的样本的频率”，如果您将其更改为更高的数字- 一个类将被认为更有可能）。