Sklearn：为连续特征、多个标签选择朴素贝叶斯模型

Posted 2023-03-12

【中文标题】Sklearn：为连续特征、多个标签选择朴素贝叶斯模型

【英文标题】：Sklearn: Choose naive bayes model for continous feature, multiple labels

【发布时间】：2021-07-19 23:53:52

【问题描述】：

假设我有一个数据集，其特征值是连续的，并且有两个以上的可能标签（例如：雨、晴、风等），我应该在 sklearn 中实现哪种朴素贝叶斯模型？

我正在考虑高斯或多项式。但是多项式适用于离散特征，我尝试了高斯，但结果发现预测的准确性就像随机选择一样。

感谢您的帮助， 一哥

【问题讨论】：

您能否编辑问题以包含数据样本？从问题中不清楚输入/输出功能是什么样的。

【参考方案1】：

朴素贝叶斯分类 (NBC) 适用于离散值。 这意味着您必须离散化所有连续的特征。更多详情，this could help

无论如何，多项式是正确的，因为您有多个标签。但您也应该记住，您必须对标签进行一次性编码 (OneHotEncoder in sklearn)。