Как улучшить наивный байесовский метод?

ПУТЕВОДИТЕЛЬ НАИВНЫХ ЗАЛИВ

Как улучшить наивный байесовский метод?

Раздел 3: Настройка модели в Python

Ссылка Как реализовать наивный байесовский метод? Раздел 2: Построение модели на Python , прежде чем продолжить…

[10] Определение параметров поиска по сетке

param_grid_nb = {
    'var_smoothing': np.logspace(0,-9, num=100)
}

• var_smoothing - это расчет стабильности для расширения (или сглаживания) кривой и, следовательно, для учета большего количества выборок, которые находятся дальше от среднего значения распределения. В этом случае np.logspace возвращает числа, равномерно распределенные по шкале журнала, начиная с 0, заканчивая -9 и генерируя 100 выборок.

Зачем нужен этот шаг: Для настройки выбранных параметров используется поиск оптимальной комбинации. Ссылаясь на документацию sklearn.naive_bayes.GaussianNB, вы можете найти полный список параметров с описаниями, которые можно использовать в функциях поиска по сетке.

[11] Настройка гиперпараметров с использованием данных обучения

from sklearn.naive_bayes import GaussianNB
from sklearn.model_selection import GridSearchCV
nbModel_grid = GridSearchCV(estimator=GaussianNB(), param_grid=param_grid_nb, verbose=1, cv=10, n_jobs=-1)
nbModel_grid.fit(X_train, y_train)
print(nbModel_grid.best_estimator_)
...
Fitting 10 folds for each of 100 candidates, totalling 1000 fits
GaussianNB(priors=None, var_smoothing=1.0)

Примечание. Общее количество подгонок равно 1000, поскольку cv определено как 10 и есть 100 кандидатов (var_smoothing имеет 100 определенных параметров). Следовательно, расчет для общего количества подходов → 10 x [100] = 1000.

• estimator - интересующая модель машинного обучения при условии, что у модели есть функция оценки; в этом случае присвоенная модель - GaussianNB ().
• param_grid - словарь с именами параметров (строкой) в качестве ключей и списками настроек параметров, которые можно попробовать в качестве значений; это позволяет осуществлять поиск по любой последовательности настроек параметров.
• verbose - многословность: чем выше, тем больше сообщений; в этом случае он установлен на 1.
• cv - это генератор перекрестной проверки или итерация, в этом случае используется 10-кратная перекрестная проверка.
• n_jobs - максимальное количество одновременно работающих воркеров; в этом случае он установлен в -1, что означает, что используются все процессоры.

Зачем этот шаг: найти оптимальную комбинацию гиперпараметров, которая минимизирует предопределенную функцию потерь для получения лучших результатов.

[12] Прогноз по данным тестирования

y_pred = nbModel_grid.predict(X_test)
print(y_pred)
...
[0 0 0 1 0 0 0 0 1 1 1 0 0 1 0 1 1 1 1 1 1 0 0 0 1 1 1 1 0 1 0 1 0 0 0 1 0 0 0 1 0 1 1 0 1 1 1 0 1 0 1 1 0 1 1 0 1 0 0 0 1 0 0 1 0 1 1 0 1 0 1 1 0 1 1 1 1 1 1 0 1 0 0 1 0 1 0 0 0 1 1 1 1 0 1 1 0 1 1 0 0 1 1 1 0 0 0 0 1 0 0 0 0 0 1 0 0 0 1 0 1 1 1 1 1 1 0 0 0 0 1 1 0 1 1 1 1 0 1 1 0 1 0 0 0 0 0 1 1 1 1 1 0 1 0 1 1 1 1 0 1 0 0 1 0 1 0 1 1 1 1 0 0 1 0 1 0 0 0 1 0 0 1 0 1 0 1 1 0 0 0 0 0 1 1 1 0 0 0 1 1 1 1 1 0 0 1 0]

Почему этот шаг: получение прогноза модели на основе данных тестирования для оценки точности и эффективности модели.

[13] Числовой анализ

from sklearn.metrics import confusion_matrix
print(confusion_matrix(y_test, y_pred), ": is the confusion matrix")
from sklearn.metrics import accuracy_score
print(accuracy_score(y_test, y_pred), ": is the accuracy score")
from sklearn.metrics import precision_score
print(precision_score(y_test, y_pred), ": is the precision score")
from sklearn.metrics import recall_score
print(recall_score(y_test, y_pred), ": is the recall score")
from sklearn.metrics import f1_score
print(f1_score(y_test, y_pred), ": is the f1 score")
...
[[81 27]
 [19 81]] : is the confusion matrix 

0.7788461538461539 : is the accuracy score
0.75 : is the precision score
0.81 : is the recall score
0.7788461538461539 : is the f1 score

Примечание. Используя матрицу путаницы, можно извлечь истинно положительные, ложноположительные, ложноотрицательные и истинно отрицательные значения, которые помогут в вычислении показателя точности, показателя точности, показателя отзыва и показателя f1:

• Истинно положительный = 81
• Ложноположительный = 27
• Ложноотрицательный = 19
• True Negative = 81.

Зачем этот шаг: оценить производительность настроенной модели классификации. Как вы можете видеть, показатели точности, точности, отзывчивости и F1 улучшились за счет настройки модели на основе базовой гауссовской наивной байесовской модели, созданной в Разделе 2.

Далее - Зачем использовать наивный байесовский метод? Раздел 4: Оценка компромиссов модели …