scikit-learnでpartial_fitを返します。ValueError：priorsの合計が1である必要があります。

Question

sklearn.naive_bayes.GaussianNBモデルをpartial_fitで実行しようとしています。

unique_lbls, counts = np.unique(labels, return_counts=True) 
counts = counts.astype(float) 
priors = counts/counts.sum() 
model = GaussianNB(priors=priors) 
model.partial_fit(X, y, classes=unique_lbls) 

私は `とValueErrorが得る：このために私はこのようなpriorsを計算する事前確率の合計は1でなければなりませんが、私がチェックしていると事前確率は1.0にまとめるん：

print priors.sum() 
> 1.0 

私は、以下のバージョンを使用しています：

Python 2.7.12 
scikit-learn 0.18.2 
numpy 1.13.1 

私はそれが加算された値の感度にまで来ていることを想像することができますが、私はで再び事前分布を正規化しようとしていますと同じエラーを返します。

プリオーサーの公差が1.0になっているかどうかを確認する別の方法がありますか、それともうまくいかない理由がありますか？

編集：labelsは、データセットのラベル全体を整数で表したnumpy配列です.XとYは完全なデータセットのバッチです。 yおよびlabelsには、両方とも各クラスの100以上の例があります。

Answer 1

私の最初の直感は、何かデータに間違いがあったということでした。しかし、partial_fit関数は、そのエラーを発生させる前にデータを見ていないようです。特に、the implementationは次のようになります。彼らは、数値的に非常に堅牢されていない、正確に1.0に事前確率の合計を比較する

# Check that the sum is 1 
if priors.sum() != 1.0: 
    raise ValueError('The sum of the priors should be 1.') 

。不合理な値の組み合わせがある場合、正規化されたプリオリは正確には1.0に集計されないことがあります。これを考慮してください：

priors = np.array([1, 2, 3, 4, 5, 6], dtype=float) 
priors /= priors.sum() 
print(priors.sum() == 1.0) # False 

このような状況では、チェックが失敗します。

priors[0] = 1.0 - priors[1:].sum() 
print(priors.sum() == 1.0) # True