Python 如何在sklearn.naive_bayes中更正样本权重？

我正在使用不平衡数据通过sklearn实现朴素贝叶斯。 我的数据有超过16k条记录和6个输出类别

我试图用sklearn.utils.class\u weight计算的样本权重来拟合模型

样本重量如下所示：

样本重量=[11.77540107 1.82284768 0.64688602 2.47138047 0.38577435 1.21389195]

将numpy作为np导入 data\u set=np.loadtxt./data/\u vector21.csv，分隔符=， inp_vec=数据集[：，1:22] out\u vec=数据集[：，22:] 将数据集拆分为训练集和测试集 从sklearn.cross\u验证导入序列测试\u分割 X_列，X_测试，y_列，y_测试=列测试拆分输入向量，输出向量，测试大小=0.2 80%训练和20%测试 等级权重 从keras.utils.np\u utils导入到\u category 输出向量分类=到分类列车 从sklearn.utils导入类_重量 y_ints=[y.argmax代表输出向量中的y\u category] c_w=类权重。计算类权重“平衡”，np.uniquey\u整数，y\u整数 cw={} 对于sety_ints中的i： cw[i]=c_w[i] 创建一个高斯分类器 从sklearn.naiver_bayes导入* 模型=高斯B 使用训练集训练模型 印刷厂 型号：fitX_火车，y_火车，c_火车 预测测试数据集的响应 y_pred=model.predictX_测试 导入scikit学习度量模块以进行精度计算 从SKM学习导入度量 模型精度，分类器正确的频率是多少？ 打印\n分类报告：\n，metrics.classification\u reporty\u test，y\u pred 打印精度：%.3f%%%metrics.accurity\u scorey\u test，y\u pred*100 我得到了这个信息： ValueError:找到样本数不一致的输入变量：[13212,6]

有谁能告诉我我做错了什么，怎样才能纠正它

非常感谢。

样品重量和等级重量是两个不同的东西

顾名思义：

样本权重将应用于数据中的单个样本行。因此，样品的长度和重量必须与X中的样品数量相匹配

类权重是为了使分类器对类给予更多的重视和关注。因此，类权重的长度必须与目标中的类数相匹配

您正在使用sklearn.utils.class_权重计算class_权重，而不是sample_权重，然后尝试将其传递给sample_权重。因此，尺寸不匹配错误

有关这两个权重如何在内部相互作用的更多了解，请参见以下问题：

样本重量和类别重量是两个不同的东西

顾名思义：

样本权重将应用于数据中的单个样本行。因此，样品的长度和重量必须与X中的样品数量相匹配

类权重是为了使分类器对类给予更多的重视和关注。因此，类权重的长度必须与目标中的类数相匹配

您正在使用sklearn.utils.class_权重计算class_权重，而不是sample_权重，然后尝试将其传递给sample_权重。因此，尺寸不匹配错误

有关这两个权重如何在内部相互作用的更多了解，请参见以下问题：

---

通过这种方式，我能够计算权重来处理班级不平衡

从sklearn.utils导入类_重量 样本=类别重量。计算样本重量“平衡”，y列 分类器朴素贝叶斯 naive=naive_bayes.多项式nb 天真。fitX\u序列，y\u序列，样本重量=样本 预测=naive.predictX\u检验

---

通过这种方式，我能够计算权重来处理班级不平衡

从sklearn.utils导入类_重量 样本=类别重量。计算样本重量“平衡”，y列 分类器朴素贝叶斯 naive=naive_bayes.多项式nb 天真。fitX\u序列，y\u序列，样本重量=样本 预测=naive.predictX\u检验

---

谢谢，你的解释很清楚。我从计算类重量改为计算样本重量谢谢，你的解释很清楚。我从计算类重量改为计算样本重量