Question

我快速进行了tutorial的Scikit学习，并对NaiveBayes与Logistc回归有疑问

Here是成绩单的链接-

您应该能够复制/粘贴以下代码并运行它。如果您得到不同的答案，请告诉我！

import pandas as pd
from sklearn.cross_validation import train_test_split
from sklearn.feature_extraction.text import CountVectorizer
from sklearn import metrics

from sklearn.naive_bayes import MultinomialNB
from sklearn.linear_model import LogisticRegression

vect = CountVectorizer()

url = 'https://raw.githubusercontent.com/justmarkham/pydata-dc-2016-tutorial/master/sms.tsv'
sms = pd.read_table(url, header=None, names=['label', 'message'])
sms['label_num'] = sms.label.map({'ham': 0, 'spam': 1})
X = sms.message
y = sms.label_num

X_train, X_test, y_train, y_test = train_test_split(X,y, random_state=1)

vect.fit(X_train)
X_train_dtm = vect.transform(X_train)

## NaiveBayes
nb = MultinomialNB()
nb.fit(X_train_dtm, y_train)

# LogisticRegression
logreg = LogisticRegression()
logreg.fit(X_train_dtm, y_train)

# testing data
simple_text = ["this is a spam message spam spam spam"]
simple_test_dtm = vect.transform(simple_text)

# ***NaiveBayes***     
nb.predict(simple_test_dtm)
# array([1]) says this is spam

nb.predict_proba(simple_test_dtm)[:, 1]
# array([0.98743019]) 

# ****Logistic Regression***    
logreg.predict(simple_test_dtm)
# array([0]) says this is NOT spam

logreg.predict_proba(simple_test_dtm)[:, 1]
# array([0.05628297])

nb_pred_class = nb.predict(X_test_dtm)
metrics.accuracy_score(y_test, nb_pred_class)
# 0.9885139985642498

lg_pred_class = logreg.predict(X_test_dtm)
metrics.accuracy_score(y_test, lg_pred_class)
# 0.9877961234745154

两个问题：

1。）为什么在LogisticRegression说它是Spam时，NaiveBayes会返回它是Ham？

两个分类器均返回较高的准确性得分，但给出不同的答案？那使我感到困惑。我在做错什么吗？

2。）.predict_probab得分是什么意思？我思考的方式是，分类器的响应非常准确。即NB表示它相信其答案（1）的准确性为98％，但这意味着LogReg表示其答案（0）的准确性为6％。

这没有道理。

任何帮助将不胜感激。

Answer 1

spam是您在1中的第二堂课（即在索引sms.label.map({'ham': 0, 'spam': 1})处）。因此，您打印的概率是消息为spam的概率，而不是模型的预测类别的概率。 logreg给出0.05628297消息为spam的概率，这意味着它给0.9437给出了ham概率。您的两个模型都非常准确，但这并不意味着他们将在每个测试示例上都达成一致。朴素的贝叶斯（Bayes）正确地做到了这一点，但逻辑回归却错了，应该有其他相反的例子。

NaiveBayes和LogistcRegression之间令人困惑的结果

1 个答案: