我做了一些简单的贝叶斯分类
X = [[1,0,0], [1,1,0]] ### there are more data of course
Y = [1,0]
classifier = BernoulliNB()
classifier.fit(X, Y)
现在我得到了一些“内部提示”，每个X中的第一个元素比其他元素更重要。
我能在训练模特之前把这些知识结合起来吗？
如果sklearn不允许，是否有其他分类器或其他库允许我们在模型培训之前合并我们以前的模型？
最佳答案
我不知道问题2的答案，但我能回答问题1。
在评论中"multiply the first element for each observation by different values"是一个错误的方法。
当您使用BernoulliNB或二项式时，将先验知识合并到样本（数据）中的方法是将您的知识添加到样本（数据）中。
假设你在掷硬币，你知道硬币是朝着更高的头部。然后添加更多显示更多头部的示例。如果你之前的知识是70%正面和30%反面：你可以将总共100个样本，70个正面和30个反面添加到你的数据X中。
关于python - 我可以在sklearn贝叶斯分类器中设置特征优先级吗？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/42998221/