Question

我正在尝试使用SkLearn Bayes classification。

 gnb = GaussianNB()
 gnb.set_params('sigma__0.2')
 gnb.fit(np.transpose([xn, yn]), y)

但我明白了：

set_params() takes exactly 1 argument (2 given)

现在我尝试使用此代码：

gnb = GaussianNB()
arr = np.zeros((len(labs),len(y)))
arr.fill(sigma)
gnb.set_params(sigma_ = arr)

得到：

ValueError: Invalid parameter sigma_ for estimator GaussianNB

参数名称或值是否错误？

Answer 1

我偶然发现了这一点，所以这里有一个来自字典的多个参数的解决方案：

from sklearn import svm
params_svm = {"kernel":"rbf", "C":0.1, "gamma":0.1, "class_weight":"auto"}
clf = svm.SVC()
clf.set_params(**params_svm)

Answer 2

set_params()只接受关键字参数，如文档中所示。它被声明为set_params(**params)。

因此，为了使其有效，您只需要使用关键字参数调用它：gnb.set_params(some_param = 'sigma__0.2')

Answer 3

文档中写的语法是：

set_params（** PARAMS）

这两颗星意味着您需要提供关键字参数（read about it here）。所以你需要在form your_param = 'sigma__0.2'

中完成

Answer 4

此处的问题是GaussianNB只有一个参数，即priors。

来自documentation

 class sklearn.naive_bayes.GaussianNB(priors=None)

您要查找的sigma参数实际上是GaussianNB类的属性，并且无法通过方法set_params()和get_params()访问。

您可以操纵sigma和theta属性，方法是将一些Priors提供给GaussianNB，或者将其装入特定的训练集。

Answer 5

sigma_是在训练期间计算的实例属性。您可能无意直接修改它。

from sklearn.naive_bayes import GaussianNB
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])

gnb = GaussianNB()
print gnb.sigma_

输出：

AttributeError: 'GaussianNB' object has no attribute 'sigma_'

更多代码：

gnb.fit(X,y) ## training
print gnb.sigma_

输出：

array([[ 0.66666667,  0.22222223],
       [ 0.66666667,  0.22222223]])

训练后，可以修改sigma_值。这可能会影响预测结果。

gnb.sigma_ = np.array([[1,1],[1,1]])

Sklearn set_params只需1个参数？

5 个答案: