我正在尝试使用sklearn中的朴素贝叶斯分类器进行多类分类。我希望通过10折交叉验证获得分数。假设x是我的特征数组，y是标签向量，我是这样做的：

    clf = MultinomialNB(fit_prior=False)    scores = cross_validation.cross_val_score(OneVsOneClassifier(clf), x, y, cv=10)

但这只给我提供了每个折叠的10个分数的数组。我想要的是OvO分类器中每对类别的分数。有什么建议可以实现这一点吗？

另外，有没有办法为NB分类器使用自定义的平滑技术？

回答：

我想要的是OvO分类器中每对类别的分数。

遗憾的是，目前OvO包装器没有公开的API来获取这些分数。

另外，有没有办法为NB分类器使用自定义的平滑技术？

没有，目前只有Lidstone平滑这一种选择。