以前写过一篇博文是利用weka来实现多项式朴素贝叶斯增量学习。这次利用python中的sklearn学习工具来实现。其实个人感觉像机器学习，数据处理这种活本来就应该让我们高雅而优美的Python来实现，Java你瞎凑什么热闹啊~~
与weka的实现相比，sklearn果然还是继承了Python简洁优雅的传统，实现起来十分方便。如何判断sklearn中分类器是否支持增量学习(incremental learning & online learning)呢？很简单，只需要查阅sklearn文档，如果该分类器存在partial_fit()方法，即说明它支持增量学习。 比如我们的多项式朴素贝叶斯中就有该方法：
下面我以一个十分简单的实例来进行演示： 比如我们有三份数据集，先用数据集1进行训练，然后预测数据集3；然后再利用数据集2再对模型进行更新，之后再预测数据集3。
数据集1：‘[ ]’中代表样本向量， ‘#’后面代表样本标签[1 1 0 1 2 0 3 1 2 2] # 1
[0 3 1 1 2 2 1 3 2 1] # 0
[0 3 0 3 2 2 2 1 4 0] # 0
[1 4 3 2 4 0 2 1 3 4] # 1
[4 4 3 4 0 3 4 2 4 4] # 0
[0 2 1 3 3 1 0 1 2 3] # 1
数据集2：[0 1 2 2 2 1 0 0 2 3] # 0
[2 1 2 1 0 3 1 2 1 1] # 1
[4 0 3 3 3 4 2 2 4 2] # 0
[1 3 3 4 1 4 3 0 3 3] # 1
[1 4 4 0 3 4 0 2 2 2] # 1
[1 4 0 4 1 0 4 1 4 1] # 1
数据集3（测试集，没有标签）：[1 4 1 3 0 3 1 2 3 4]
[0 2 0 2 3 2 0 0 2 2]
[0 3 4 3 0 1 4 4 4 2]
[0 4 3 0 2 2 2 1 0 3]
[4 3 1 3 3 2 2 0 0 1]
[3 0 3 2 4 2 1 2 1 0]
代码十分简单，先来看看吧：import numpy as np
#构造数据集，每份数据集是6*10的随机生成的矩阵，代表有6个样本，每个样本中有10个向量。
X1 = np.random.randint(5, size=(6, 10))#数据集1
X2 = np.random.randint(5, size=(6, 10))#数据集2
X3 = np.random.randint(5, size=(6, 10))#数据集3
#打印出3份数据集
print(X1)
print(X2)
print(X3)
y1 = np.array([1, 0, 0, 1, 0, 1])#数据集1中每份数据对应的标签
y2 = np.array([0, 1, 0, 1, 1, 1])#数据集2中每份数据对应的标签
#所有数据集中出现的分类标签
labels = np.array([0, 1])
from sklearn.naive_bayes import MultinomialNB
clf = MultinomialNB() #定义分类器
#先利用X1与y1进行部分训练
print('start tranning...')
clf.partial_fit(X1, y1, classes=labels)#核心方法，部分训练，第一次partial_fit,需要在classes参数中给出所有标签
print('第一次预测结果:'+str(clf.predict(X3[:]))) #打印出对数据集3的预测结果
#再利用X2与y2进行模型更新
clf.partial_fit(X2, y2)#
print('更新后预测结果:'+str(clf.predict(X3[:]))) #再打印出对数据集3的预测结果
运行结果为：(由于数据集是随机生成的，所以每次的结果均会不同)
[[1 1 0 1 2 0 3 1 2 2] |
最终的预测结果表示的是对数据集3中的6个样本，分别预测出的标签。 如果最终需要的结果不是预测出类别，而是需要每个类别精确的概率值。 可以采用方法clf.predict_proba()
扫描二维码，分享此文章