Приведенный ниже код represnets sklearn многочленные наивные байесов.
import numpy as np
from sklearn.naive_bayes import MultinomialNB
X = np.random.randint(5, size=(10, 100))
y=np.random.randint(2,size=(10,))
clf = MultinomialNB()
clf.fit(X, y)
Затем я хочу выяснить важные функции в моей модели и в документации sklearn у нас есть два параметра, а именно.
feature_log_prob_ : array, shape (n_classes, n_features)
Empirical log probability of features given a class, P(x_i|y).
coef_ : array, shape (n_classes, n_features)
Mirrors feature_log_prob_ for interpreting MultinomialNB as a linear model.
Тогда Если я попытаюсь напечатать оба атрибута
print(clf.feature_log_prob_.shape) // giving (2,100)
print(clf.coef_.shape) // giving (1,100)
Но когда у меня больше двух классов, тогда оба атрибута дают одинаковые результаты.
что такоеРазница между двумя вышеуказанными атрибутами?