Sklearn naive bayes分类器，用于属于同一类的数据

Question

我运行了这个简单的朴素贝叶斯程序：

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])
from sklearn.naive_bayes import GaussianNB
clf = GaussianNB()
clf.fit(X, Y)
print(clf.predict([[-0.8, -1],[-0.9, -1]]))

我得到的结果是：

[1 1]

[-0.8, -1]被分类为1，[-0.9, -1]被分类为2。如果我知道我的所有数据都来自同一个类，即[[-0.8, -1],[-0.9, -1]]来自同一个类，那么有没有办法让scikit learn的朴素贝叶斯分类器将这些数据作为一个整体进行分类(在这种情况下，结果是1)，而不是单独对每个数据点进行分类。

Answer 1

朴素贝叶斯分类器对每个输入进行单独分类(而不是分组)。如果您知道所有的输入都属于同一个(但未知的)类，那么您需要做一些额外的工作才能得到结果。一种选择是在clf.predict的结果中选择计数最大的类，但如果组中只有两个实例，那么这种方法可能不会很好地工作。

另一种选择是为GaussianNB分类器调用predict_proba，这将返回每个输入的所有类的概率。然后，您可以使用单个概率(例如，您可以对每个类进行求和)来决定如何对组进行分类。

您甚至可以结合使用这两种方法-使用predict并选择计数最高的类，但使用predict_proba打破平局。