损失/风险功能学的朴素贝叶斯分类

Question

我在想，如果它在某种程度上可以定义损失函数在朴素贝叶斯分类scikit学习。例如，我们假设我们对垃圾邮件和火腿分类感兴趣。在这种情况下，这种损失函数将有助于降低假阳性率（即，将火腿归类为垃圾邮件，这比将垃圾邮件归类为“火腿”更糟糕）。

为简单起见，我有一个使用随机数据来自高斯here。

Answer 1

朴素贝叶斯的损失函数总是负关节数似然，-log p（X，ý）。这种选择损失函数，功能独立的朴素贝叶斯假设下，使朴素贝叶斯快：最大似然训练可以执行一个矩阵乘法和简单计算来完成。我能想到的所有其他损失函数都会将您带入迭代优化的土地。

关于您的实际问题：您可以使用scoring='precision'或基于sklearn.metric.fbeta_score或roc_auc_score的自定义得分函数，尝试使用GridSearchCV来调整学习者参数。尽管如此，我不确定这在幼稚贝叶斯中是否会有很多，所以你可能想要切换到逻辑回归。