python朴素贝叶斯概率

Question

有什么方法可以使用nltk.NaiveBayesClassifier.classify来获取个体概率吗？我想看看分类的可能性，尝试做一个信心量表。显然，使用二进制分类器，决策将是一个或另一个，但是有什么方法可以看到决策的内部运作方式吗？还是我只需要写我自己的分类器？

谢谢

Answer 1

nltk.NaiveBayesClassifier.prob_classify怎么样？

classify

classify调用此函数：

def classify(self, featureset):
    return self.prob_classify(featureset).max()

编辑:像这样的应该可以工作(没有测试)：

dist = classifier.prob_classify(features)
for label in dist.samples():
    print("%s: %f" % (label, dist.prob(label)))

Answer 2

我知道这太旧了。但是当我挣扎了一段时间才发现这个问题时，我分享了这段代码。

它给出了朴素贝叶斯分类器中各特征的概率关联。它帮助我更好地理解show_most_informative_features是如何工作的。对每个人来说，这都是最好的选择(这也是他们创造这个功能的原因)。无论如何，对于像我这样必须查看每个标签和单词的个体的人，您可以使用以下代码：

for label in classifier.labels():
  print(f'\n\n{label}:')
  for (fname, fval) in classifier.most_informative_features(50):
    print(f"   {fname}({fval}): ", end="")
    print("{0:.2f}%".format(100*classifier._feature_probdist[label, fname].prob(fval)))