文章/答案/技术大牛

发布

社区首页 >问答首页 >Sklearn:为连续特征，多标签选择朴素贝叶斯模型

问Sklearn:为连续特征，多标签选择朴素贝叶斯模型
EN

Stack Overflow用户

提问于 2021-04-26 23:28:29

回答 1查看 34关注 0票数 0

假设我有一个数据集，其特征值是连续的，并且有两个以上的可能标签(例如: rain、sunny、windy等)，我应该在sklearn中实现哪个朴素贝叶斯模型？

我在考虑高斯或多项式。然而，多项式适用于离散特征，我尝试了高斯，但事实证明，预测的准确性就像随机选择。

谢谢你的帮助，一格

回答已采纳

发布于 2021-04-27 05:41:07

朴素贝叶斯分类(NBC)使用离散值。这意味着你必须离散化所有连续的特征。有关更多详细信息，请访问this could help

无论如何，多项式是正确的，因为您有多个标签。但你也应该记住，你必须对你的标签(OneHotEncoder in sklearn)进行一次热编码。

票数 0

页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://stackoverflow.com/questions/67269495

复制

相似问题

问Sklearn:为连续特征，多标签选择朴素贝叶斯模型EN