使用scikit-learn在朴素贝叶斯分类器中混合分类数据和连续数据

Question

我正在Python中使用scikit-learn开发分类算法，以预测某些客户的性别。除其他外，我想使用Naive
Bayes分类器，但是我的问题是我混合使用了分类数据（例如：“在线注册”，“接受电子邮件通知”等）和连续数据（例如：“年龄”，“长度”成员资格”等）。我以前没有使用过scikit，但我想高斯朴素贝叶斯适用于连续数据，而伯努利朴素贝叶斯可以用于分类数据。但是，由于我想在模型中
同时包含 分类数据和连续数据，所以我真的不知道该如何处理。任何想法将不胜感激！

Answer 1

您至少有两个选择：

• 通过为每个连续变量计算百分位数，然后使用百分位数作为bin边界对连续变量进行装箱，将所有数据转换为分类表示。例如，对于一个人的身高，请创建以下分类箱：“非常小”，“很小”，“常规”，“大”，“非常大”，以确保每个分类箱包含大约20％的训练集人口。我们没有任何实用程序可以在scikit-learn中自动执行此操作，但是您自己做起来应该不会太复杂。然后在数据的这些分类表示上拟合唯一的多项式NB。

• 在数据的连续部分上独立拟合高斯NB模型，在分类部分上独立拟合多项式NB模型。然后通过将类分配概率（带有predict_proba方法）作为新特征来转换所有数据集：np.hstack((multinomial_probas, gaussian_probas))然后在新特征上重新拟合新模型（例如新的高斯NB）。