указать приоры в мульти-лейбле Наивного Байеса в Python Scikit-Learn

Question

Я работаю над классификацией multi-label .Я использовал функцию GaussianNB на python scikit-learn.Цель - это массив с (N, L) формой, где L - количество классов, а N - количество наблюдений.

Я использовал три способа работы с мульти-лейблом:

1. бинарная релевантность
2. цепная модель
3. метка powerset

У меня есть предварительное распределение для L классов, которое представляет собой массив (L,) формы.Я попытался включить это предыдущее распределение в GaussianNB с помощью параметра приоры, подобного этому

classifier = BinaryRelevance(GaussianNB(priors = prior_dist))

Однако, он возвращает следующую ошибку

ValueErrors: number of priors must match number of classes

Как правильно указать приоры в GaussianNB вчехол для нескольких этикеток?

Answer 1

Я еще не добавил поддержку для этого в scikit-multilearn, но, кажется, его довольно легко добавить - не могли бы вы поместить его как запрос функции в scikit-multilearn ?Я думаю, у меня есть идея, как добавить это, но мы можем отследить проблему дальше в github.