这是对这个讨论的进一步探讨，在我使用GaussianNB分类器时得到了错误的结果，原因是我在进行实验的Linux虚拟机上安装的是scikit-learn v0.10版本。最终我改用了Bernoulli和Multinomial NB分类器，但当我在我的MacBook上（终于）安装了scipy后，我获取的scikit-learn版本是0.13，这是截至目前的最新版本。现在我面临一个新问题：
- 在v0.10版本上，使用BernoulliNB分类器对我的一个特征集的准确率超过90%，这是我迄今为止取得的唯一显著改进。
- 在v0.13版本上，使用完全相同的代码，准确率约为67%
有谁知道这两个版本之间发生了什么变化吗？我查看了代码库的历史记录，但没有找到任何可以解释这种准确率变化的原因。由于我在BernoulliNB v0.10上取得了非常好的结果，我显然希望使用它，但在我对版本之间结果的冲突有更多了解之前，我犹豫是否这样做。
我尝试设置了（较新版本的）class_prior属性，但这并没有改变0.13版本的结果。
编辑：在没有提供一个工作示例的情况下（我会继续研究），0.13版本的结果存在明显的偏差，这不是我对贝叶斯分类器期望的，这让我认为可能是类先验计算上的回归问题，尽管我还没有找到具体原因。例如：
0.10:T\P F MF 120 18M 19 1750.13:T\P F MF 119 19M 59 135编辑2：
我手动处理了一些示例。0.13版本确实是正确的，而0.10版本确实不是，这正是我所怀疑和担心的。0.10版本中的错误似乎出现在类先验计算中。具体来说，_count函数存在错误，在这个文件的这一行，类计数是错误的：与0.13分支进行比较，忽略两个分支在不同地方引入平滑因子的情况。
我需要进一步思考，为什么这些错误的特征计数在我数据上表现得如此好，我仍然不太确定为什么设置类先验不起作用。可能是它在惩罚源文档中已经存在的男性偏见？
编辑3：
我认为这正是它所做的。_count函数，以及在fit中计算特征先验的过程，并没有考虑这个参数，因此虽然在predict中考虑了类先验，但在训练过程中构建模型时并未使用它们。不确定这是不是有意的 – 你希望在测试时忽略用于构建模型的先验吗？
回答：
总结我的结果，错误出现在BernoulliNB分类器的0.10版本中，它在计算特征先验时扭曲了类计数，并且显然使结果模型产生了优越的结果。我设法调整了这些做法的部分，最终从（正确）的MultinomialNB在0.13版本中获得了相当的性能。
