在python scikit中学习多标签朴素贝叶斯的先验 - 学习

Question

我正在制作多标签分类。我在python scikit-learn上使用了GaussianNB函数。目标是具有（N，L）形状的阵列，其中L是类的数量，N是观察的数量。

我用三种方法来处理多标签案例：

1. 二元相关性
2. 链模型
3. label powerset

我有L类的先前分布，它是一个（L，）形状的数组。我尝试通过priors参数将此先前分布合并到GaussianNB中，如此

classifier = BinaryRelevance(GaussianNB(priors = prior_dist))

但是，它会返回以下错误

ValueErrors: number of priors must match number of classes

在多标签的情况下，在高斯NB中指定先验的正确方法是什么？

Answer 1

我还没有在scikit-multilearn中添加对此功能的支持，但是添加起来似乎很容易-您可以将其设置为feature request in scikit-multilearn吗？我认为我有一个添加方法的想法，但是我们可以在github中进一步跟踪该问题。