Question

我有一个数据框，其中有5列是从公司进入销售渠道的人员的特征，前4列包含该人员的特征，第五列包含该人员是否已成为客户的信息（胜负）。

我正在尝试使用多项朴素贝叶斯模型来预测具有特定特征的组合（4列组合）的人成为客户的可能性。

我目前的方法是使用“标签编码器”将所有列都转换为整数（它们是字符串），然后，进行交叉验证，并使用“ predict_proba”方法来获取每个客户端具有输赢的状态。

我当前的问题是，“ predict_proba”方法仅返回具有概率的数组数组，我想知道与该概率相关的配置文件（用作特征的4列的组合）。

链接到实际数据： http://www.sharecsv.com/s/f22433a1c92d31de886a68d3bff4a05d/aas.csv

代码：

df = pd.read_csv('aas.csv') 

dfCombined = df.copy() 

##-------------------------------------  Feature Engineering ---------------------------_##
le = preprocessing.LabelEncoder()
def gnumeric_func (data, columns):
  data[columns] = data[columns].apply(lambda x: le.fit_transform(x))
  return data

#Transform string to integers
intFeatures = dfCombined.columns[0:6]
gnumeric_func (dfCombined, intFeatures)


X = dfCombined.drop(['status'], axis=1)
y = dfCombined['status'].values


## Naive Bayes ##
mBayes = MultinomialNB()


## cross validation and predict probabilities
scoresmBayes = cross_val_predict(mBayes, X, y, cv=5,method='predict_proba')

查找与“ predict_proba”方法返回的概率相关的特征

0 个答案: