本文整理汇总了Python中sklearn.naive_bayes.MultinomialNB._joint_log_likelihood方法的典型用法代码示例。如果您正苦于以下问题：Python MultinomialNB._joint_log_likelihood方法的具体用法？Python MultinomialNB._joint_log_likelihood怎么用？Python MultinomialNB._joint_log_likelihood使用的例子？那么恭喜您, 这里精选的方法代码示例或许可以为您提供帮助。您也可以进一步了解该方法所在类sklearn.naive_bayes.MultinomialNB的用法示例。
在下文中一共展示了MultinomialNB._joint_log_likelihood方法的1个代码示例，这些例子默认根据受欢迎程度排序。您可以为喜欢或者感觉有用的代码点赞，您的评价将有助于系统推荐出更棒的Python代码示例。
示例1: FeatureHasher
# 需要导入模块: from sklearn.naive_bayes import MultinomialNB [as 别名]
# 或者: from sklearn.naive_bayes.MultinomialNB import _joint_log_likelihood [as 别名]
train_datas = [{'monkey': 1, 'dog': 1, 'cat': 2, 'elephant': 4}, {'dog': 2, 'run': 5}]
feature_hasher = FeatureHasher(n_features=2 ** 20, non_negative=True)
train_datas = feature_hasher.transform(train_datas)
"""X = np.array([[1, 2, 4, 1, 1, 1],
[3, 2, 4, 2, 2, 3],
[2, 2, 3, 4, 4, 1],
[2, 0, 3, 2, 3, 1],
[2, 0, 0, 3, 3, 3],
[2, 3, 1, 0, 3, 4]])"""
class_label = np.array([1, 2])
# 调整平滑因子
clf = MultinomialNB(alpha=0.01)
train = clf.fit(train_datas, class_label)
test_datas = [{'monkey': 3, 'mouse': 1}]
test_datas = feature_hasher.transform(test_datas)
test = clf.predict(test_datas)
print train_datas
print test_datas
print train
print test
print clf._joint_log_likelihood(test_datas)
print clf.__dict__
# test metrics in sklearn
y_true = [0, 1, 2, 0, 1, 2]
y_pred = [0, 2, 1, 0, 0, 1]
print "macro:", precision_score(y_true, y_pred, average='macro')
print "micro:", precision_score(y_true, y_pred, average='micro')
print "none:", precision_score(y_true, y_pred, average=None)