这是这个线程的后续，在那里我得到了错误的结果与GaussianNB分类器，这原来是因为我有scikit-learn v0.10在linux虚拟机上我正在做实验。我最终使用了Bernoulli和Multinomial NB分类器，但当我(最终)在macbook上安装scipy时，我拿到的scikit-learn版本是0.13，也是撰写本文时的最新版本。现在又出现了一个新问题:
- 在v0.10上，我使用BernoulliNB获得了超过90%的准确性分类器上的一个特征集，这是唯一值得注意的到目前为止我取得的进步。
- 在v0.13中，使用完全相同的代码，它进入大约67%
有谁知道这两个版本有什么不同吗?我看了一下回购历史记录，但没有发现任何可以解释这种准确性变化的东西。由于我在BernoulliNB v0.10中获得了非常好的结果，我显然想使用它们，但如果没有对版本之间的冲突结果有更多的了解，我对这样做犹豫不决。
我已经尝试设置(较新的)class_prior属性，但这并没有改变0.13的结果。
编辑:没有提出一个有效的例子(我会，好吧，工作)，0.13的结果有严重的偏差，这不是我对贝叶斯分类器的期望，并让我相信它可能是对类先前计算的回归，尽管我还没有追踪到它。例如:
0.10:
TP F M
F 120 18
M 19 175
0.13:
TP F M
F 119 19
M 59 135
我手工完成了几个例子。0.13版本肯定是正确的，而0.10版本肯定是错误的，这是我既怀疑又担心的。0.10中的错误似乎出现在类先验计算中。_count函数有bug，特别是在文件的这一行，类计数完全错误:与0.13分支相比，忽略了两个分支在不同的地方拉入平滑因子。
我必须再考虑一下，为什么拙劣的特征计数会导致我的数据有如此好的性能，我仍然有点不确定为什么设置类先验不起作用。也许这是对源文件中已经存在的男性偏见的惩罚?
编辑3:我相信这正是它正在做的。_count函数不考虑这个参数，因此fit内的特征先验的计算也不考虑这个参数，所以虽然predict内考虑了class_prior，但在训练时不使用它们来建立模型。不确定这是否是有意为之——您想要忽略用于在测试时构建模型的先验吗?
总结一下我的结果，这个错误出现在BernoulliNB分类器的0.10版本中，在计算特征先验时，它会扭曲类计数，显然会使结果模型产生更好的结果。我设法调整了这正在做的事情，并最终从0.13版本的(正确的)MultinomialNB获得了相同的性能。