Python 2.7 GaussianNB:-ValueError:优先级之和应为1

我想做什么

我正在尝试使用GaussianNB分类器训练具有10个标签的数据集，但在调整GaussianNB先验参数时，我遇到了以下错误：-

文件“/home/mg/anaconda2/lib/python2.7/site packages/sklearn/naive_bayes.py”，第367行，部分匹配 raise VALUE ERROR（'优先级之和应为1'） ValueError:优先级之和应为1

此代码为：- clf=GaussianNB（先验值=[0.08,0.14,0.03,0.16,0.11,0.16,0.07,0.14,0.11,0.0]）

---

你可以清楚地看到总和是1，但它显示了这个错误，你能指出错误吗。

这看起来像是sklearn内部的一个非常糟糕的设计决策，因为他们正在做通常的不要比较浮点数东西（），这让我惊讶（因为sklearn通常是高质量的代码）

（尽管使用了一个列表，但我看不出在您这方面有任何错误用法。文档调用数组，而不是像在许多其他情况下那样调用数组，但是他们的代码正在进行数组转换）

:

输出：

('my_sum: ', 1.0000000000000002)
('naive: ', False)
('safe: ', True)

编辑：

因为我认为这个代码不好，所以我发布了一个问题，你可以看看他们是否遵守

---

，它也采用了这样一个向量，实际上也在使用fp-safe方法（数值上更稳定的求和+ε检验；但没有使用

np.isclose（）

），如图所示。

除了上面提到的行之外，你能分享完整的代码吗？也许问题出在其他方面。我试着用你的先验知识初始化分类器，它工作正常。

import numpy as np

priors = np.array([0.08, 0.14, 0.03, 0.16, 0.11, 0.16, 0.07, 0.14, 0.11, 0.0])
my_sum = np.sum(priors)
print('my_sum: ', my_sum)
print('naive: ', my_sum == 1.0)
print('safe: ', np.isclose(my_sum, 1.0))

('my_sum: ', 1.0000000000000002)
('naive: ', False)
('safe: ', True)