从 MulinomialNB 中提取对数概率

Question

我有一个由特征提取器组成的 scikit-learn

Pipeline

，以及一个

VotingClassifier

，其中包含

MulinomialNB

和一些其他模型。当我单独训练

MulinomialNB

时，我可以使用

nb.feature_log_prob_

提取对数概率，但在管道内缺少此属性。

from sklearn.feature_extraction.text import CountVectorizer
from sklearn.naive_bayes import MultinomialNB
from sklearn.ensemble import VotingClassifier
from sklearn.pipeline import Pipeline

vclf =  Pipeline([
    ('vect', CountVectorizer()),
    ('clf', VotingClassifier(
        estimators=[
            ('nb', MultinomialNB()),
            [...]
        ]
    ))
])
vclf.fit(train_X, train_y)

nb = vclf.named_steps['clf'].estimators[0][1]
nb.feature_log_prob_ 

AttributeError：“MultinomialNB”对象没有属性“feature_log_prob_”

Answer 1

根据文档，

estimators_

是访问VotingClassifier的

fitted

子估计器列表的正确属性。因此，您的代码应如下所示：

nb = vclf.named_steps['clf'].estimators_[0]
print(nb.feature_log_prob_)

您使用

MulinomialNB

访问的

estimators

未安装，因此未提供

feature_log_prob_

属性。这就是错误的来源。

Answer 2

AttributeError Traceback（最近一次调用最后一次） [55]第 9 行的单元格 6：训练多项式朴素贝叶斯分类器 8 mnb = MultinomialNB(alpha=0.8, fit_prior=True, force_alpha=True) ----> 9 mnb.fix(x_train_vec, y_train) 11：训练高斯朴素贝叶斯分类器 12 gnb = GaussianNB()

AttributeError：“MultinomialNB”对象没有属性“fix”

单击添加单元格。

我正在尝试训练多项朴素贝叶斯模型，但出现此错误。请需要帮助。