补集朴素贝叶斯#

class sklearn.naive_bayes.ComplementNB(*, alpha=1.0, force_alpha=True, fit_prior=True, class_prior=None, norm=False)[source]#

Rennie 等人 (2003) 描述的补集朴素贝叶斯分类器。

补集朴素贝叶斯分类器旨在纠正标准多项式朴素贝叶斯分类器所做的“严重假设”。它特别适用于不平衡数据集。

在用户指南中了解更多信息。

0.20 版本中新增。

参数：
alpha浮点数或形状为 (n_features,) 的数组，默认为 1.0

加性 (Laplace/Lidstone) 平滑参数（设置为 alpha=0 和 force_alpha=True，则不进行平滑）。

force_alpha布尔值，默认为 True

如果为 False 且 alpha 小于 1e-10，则将其设置为 1e-10。如果为 True，则 alpha 保持不变。如果 alpha 太接近 0，这可能会导致数值错误。

1.2 版本中新增。

1.4 版本中的更改： force_alpha 的默认值已更改为 True。

fit_prior布尔值，默认为 True

仅在训练集中只有一个类别的极端情况下使用。

class_prior形状为 (n_classes,) 的数组，默认为 None

类的先验概率。未使用。

norm布尔值，默认为 False

是否执行权重的二次归一化。默认行为与 Mahout 和 Weka 中的实现相同，它们不遵循论文表 9 中描述的完整算法。

属性：
class_count_形状为 (n_classes,) 的 ndarray

拟合过程中遇到的每个类别的样本数。提供样本权重时，此值将按样本权重加权。

class_log_prior_形状为 (n_classes,) 的 ndarray

每个类别的平滑经验对数概率。仅在训练集中只有一个类别的情况下使用。

classes_形状为 (n_classes,) 的 ndarray

分类器已知的类别标签

feature_all_形状为 (n_features,) 的 ndarray

拟合过程中遇到的每个特征的样本数。提供样本权重时，此值将按样本权重加权。

feature_count_形状为 (n_classes, n_features) 的 ndarray

拟合过程中遇到的每个 (类别，特征) 的样本数。提供样本权重时，此值将按样本权重加权。

feature_log_prob_形状为 (n_classes, n_features) 的 ndarray

类别补集的经验权重。

n_features_in_int

在 fit 期间看到的特征数量。

在 0.24 版本中添加。

feature_names_in_形状为 (n_features_in_,) 的 ndarray

在 fit 期间看到的特征名称。仅当 X 具有全是字符串的特征名称时才定义。

在 1.0 版本中添加。

另请参阅

伯努利朴素贝叶斯

用于多元伯努利模型的朴素贝叶斯分类器。

类别朴素贝叶斯

用于分类特征的朴素贝叶斯分类器。

高斯朴素贝叶斯

高斯朴素贝叶斯。

多项式朴素贝叶斯

用于多项式模型的朴素贝叶斯分类器。

参考文献

Rennie, J. D., Shih, L., Teevan, J., & Karger, D. R. (2003). Tackling the poor assumptions of naive bayes text classifiers. In ICML (Vol. 3, pp. 616-623). https://people.csail.mit.edu/jrennie/papers/icml03-nb.pdf

示例

>>> import numpy as np
>>> rng = np.random.RandomState(1)
>>> X = rng.randint(5, size=(6, 100))
>>> y = np.array([1, 2, 3, 4, 5, 6])
>>> from sklearn.naive_bayes import ComplementNB
>>> clf = ComplementNB()
>>> clf.fit(X, y)
ComplementNB()
>>> print(clf.predict(X[2:3]))
[3]
fit(X, y, sample_weight=None)[source]#

根据 X 和 y 拟合朴素贝叶斯分类器。

参数：
X形状为 (n_samples, n_features) 的 {数组、稀疏矩阵}

训练向量，其中 n_samples 是样本数，n_features 是特征数。

y形状为 (n_samples,) 的数组

目标值。

sample_weight形状为 (n_samples,) 的数组，默认为 None

应用于各个样本的权重（未加权的为 1）。

返回：
self对象

返回实例本身。

get_metadata_routing()[source]#

获取此对象的元数据路由。

请查看 用户指南，了解路由机制的工作原理。

返回：
routingMetadataRequest

一个 MetadataRequest 封装路由信息。

get_params(deep=True)[source]#

获取此估计器的参数。

参数：
deep布尔值，默认为 True

如果为 True，则将返回此估计器和包含的子对象（它们是估计器）的参数。

返回：
params字典

参数名称与其值的映射。

partial_fit(X, y, classes=None, sample_weight=None)[source]#

对一批样本进行增量拟合。

预期此方法会连续多次在数据集的不同块上调用，以便实现核心外学习或在线学习。

当整个数据集太大而无法一次全部放入内存时，这尤其有用。

此方法有一些性能开销，因此最好在尽可能大的数据块（只要适合内存预算）上调用 partial_fit 来隐藏开销。

参数：
X形状为 (n_samples, n_features) 的 {数组、稀疏矩阵}

训练向量，其中 n_samples 是样本数，n_features 是特征数。

y形状为 (n_samples,) 的数组

目标值。

classes形状为 (n_classes,) 的数组，默认为 None

y 向量中可能出现的所有类别的列表。

必须在第一次调用 partial_fit 时提供，在后续调用中可以省略。

sample_weight形状为 (n_samples,) 的数组，默认为 None

应用于各个样本的权重（未加权的为 1）。

返回：
self对象

返回实例本身。

predict(X)[source]#

对测试向量 X 数组执行分类。

参数：
X形状为 (n_samples, n_features) 的类数组

输入样本。

返回：
C形状为 (n_samples,) 的 ndarray

X 的预测目标值。

predict_joint_log_proba(X)[source]#

返回测试向量 X 的联合对数概率估计。

对于 X 的每一行 x 和类别 y，联合对数概率由 log P(x, y) = log P(y) + log P(x|y), 给出，其中 log P(y) 是类别先验概率，log P(x|y) 是类条件概率。

参数：
X形状为 (n_samples, n_features) 的类数组

输入样本。

返回：
C形状为 (n_samples, n_classes) 的 ndarray

返回模型中每个类别的样本联合对数概率。各列对应于已排序的类别，其顺序与属性 classes_ 中显示的顺序相同。

predict_log_proba(X)[source]#

返回测试向量 X 的对数概率估计。

参数：
X形状为 (n_samples, n_features) 的类数组

输入样本。

返回：
C形状为 (n_samples, n_classes) 的类数组

返回模型中每个类别的样本对数概率。各列对应于已排序的类别，其顺序与属性 classes_ 中显示的顺序相同。

predict_proba(X)[source]#

返回测试向量 X 的概率估计。

参数：
X形状为 (n_samples, n_features) 的类数组

输入样本。

返回：
C形状为 (n_samples, n_classes) 的类数组

返回模型中每个类别的样本概率。各列对应于已排序的类别，其顺序与属性 classes_ 中显示的顺序相同。

score(X, y, sample_weight=None)[source]#

返回给定测试数据和标签的平均准确率。

在多标签分类中，这是子集准确率，这是一个严格的指标，因为它要求对每个样本都正确预测每个标签集。

参数：
X形状为 (n_samples, n_features) 的类数组

测试样本。

y形状为 (n_samples,) 或 (n_samples, n_outputs) 的类数组

X 的真实标签。

sample_weight形状为 (n_samples,) 的数组，默认为 None

样本权重。

返回：
score浮点数

self.predict(X) 关于 y 的平均准确率。

set_fit_request(*, sample_weight: bool | None | str = '$UNCHANGED$') → ComplementNB[source]#

请求传递给 fit 方法的元数据。

请注意，只有在 enable_metadata_routing=True 时（参见 sklearn.set_config）此方法才相关。请参阅 用户指南，了解路由机制的工作原理。

每个参数的选项为

  • True：请求元数据，如果提供则将其传递给 fit。如果未提供元数据，则忽略请求。

  • False：不请求元数据，元估计器不会将其传递给 fit。

  • None：不请求元数据，如果用户提供元数据，元估计器将引发错误。

  • str：元数据应使用此给定的别名而不是原始名称传递给元估计器。

默认值（sklearn.utils.metadata_routing.UNCHANGED）保留现有请求。这允许您更改某些参数的请求，而其他参数不变。

1.3 版中新增。

注意

仅当此估计器用作元估计器的子估计器时（例如，在 Pipeline 中使用）此方法才相关。否则，它无效。

参数：
sample_weightstr、True、False 或 None，默认为 sklearn.utils.metadata_routing.UNCHANGED

fit 中 sample_weight 参数的元数据路由。

返回：
self对象

更新后的对象。

set_params(**params)[source]#

设置此估计器的参数。

此方法适用于简单的估计器以及嵌套对象（例如 Pipeline）。后者具有 <component>__<parameter> 形式的参数，因此可以更新嵌套对象的每个组件。

参数：
**params**dict

估计器参数。

返回：
selfestimator instance

估计器实例。

set_partial_fit_request(*, classes: bool | None | str = '$UNCHANGED$', sample_weight: bool | None | str = '$UNCHANGED$') → ComplementNB[source]#

请求传递给 partial_fit 方法的元数据。

请注意，只有在 enable_metadata_routing=True 时（参见 sklearn.set_config）此方法才相关。请参阅 用户指南，了解路由机制的工作原理。

每个参数的选项为

  • True：请求元数据，如果提供则传递给 partial_fit。如果未提供元数据，则忽略请求。

  • False：不请求元数据，元估计器不会将其传递给 partial_fit。

  • None：不请求元数据，如果用户提供元数据，元估计器将引发错误。

  • str：元数据应使用此给定的别名而不是原始名称传递给元估计器。

默认值（sklearn.utils.metadata_routing.UNCHANGED）保留现有请求。这允许您更改某些参数的请求，而其他参数不变。

1.3 版中新增。

注意

仅当此估计器用作元估计器的子估计器时（例如，在 Pipeline 中使用）此方法才相关。否则，它无效。

参数：
classesstr, True, False, 或 None，默认为sklearn.utils.metadata_routing.UNCHANGED

partial_fit 方法中 classes 参数的元数据路由。

sample_weightstr、True、False 或 None，默认为 sklearn.utils.metadata_routing.UNCHANGED

partial_fit 方法中 sample_weight 参数的元数据路由。

返回：
self对象

更新后的对象。

set_score_request(*, sample_weight: bool | None | str = '$UNCHANGED$') → ComplementNB[source]#

请求传递给 score 方法的元数据。

请注意，只有在 enable_metadata_routing=True 时（参见 sklearn.set_config）此方法才相关。请参阅 用户指南，了解路由机制的工作原理。

每个参数的选项为

  • True：请求元数据，如果提供则传递给 score。如果未提供元数据，则忽略请求。

  • False：不请求元数据，元估计器不会将其传递给 score。

  • None：不请求元数据，如果用户提供元数据，元估计器将引发错误。

  • str：元数据应使用此给定的别名而不是原始名称传递给元估计器。

默认值（sklearn.utils.metadata_routing.UNCHANGED）保留现有请求。这允许您更改某些参数的请求，而其他参数不变。

1.3 版中新增。

注意

仅当此估计器用作元估计器的子估计器时（例如，在 Pipeline 中使用）此方法才相关。否则，它无效。

参数：
sample_weightstr、True、False 或 None，默认为 sklearn.utils.metadata_routing.UNCHANGED

score 方法中 sample_weight 参数的元数据路由。

返回：
self对象

更新后的对象。