sklearn朴素贝叶斯的多项式和伯努利模型实现有啥不同

  统计/机器学习 贝叶斯 监督式学习 Python    浏览次数:91        分享
0

伯努利不应该就是多项式的类别为2时候的特例吗,为啥训练数据为0,1特征的时候通过两个模型,预测出的概率不同,稍微看了下源码,好像是求平滑的实现方法有点不一样,但没怎么明白。还是说我的模型原理理解有问题?本来就不应该一样?


 

奶瓶他哥   2019-03-06 12:42



    还没有回答。我来答!  


  相关主题

sklearn朴素贝叶斯分类里GaussianNB和BernoulliNB的区别?   2回答

用sklearn朴素贝叶斯返回预测概率   2回答

sklearn的模型如何保存下来?   2回答

sklearn里的LabelEncoder什么用?   3回答

sklearn分类模型中预测结果怎么调整概率的阈值   1回答

sklearn.linear_model.SGDClassifier中的参数n_iter设置问题   2回答

python sklearn模型中random_state参数的意义   2回答

sklearn SGDClassifier的partial_fit是什么意思?   2回答

lightgbm.LGBMModel和lightgbm.LGBMClassifier该用哪个?   1回答

提取sklearn逻辑回归的模型系数   1回答

怎么自定义sklearn GridSearchCV中评估函数的阈值   1回答

查看sklearn版本   1回答



回答问题时需要注意什么?

我们谢绝在回答前讲“生动”的故事。

我们谢绝“这么简单,你自己想”、“书上有的,你认真看”这类的回答;如果你认为对方的提问方式或者内容不妥,你可以直接忽略该问题,不用进行任何作答,甚至可以对该问题投反对票。

我们谢绝答非所问。

我们谢绝自己不会、硬要回答。

我们感激每一个用户在编写答案时的努力与付出!