我使用Python的sklearn进行文本分类。使用的分类器是MultinomialNB，我用报纸文章作为输入，类别包括体育、经济等。
在训练模型后，我使用了predict和predict_proba函数来测试模型对一些选定文本的预测效果。但有时结果非常出乎意料，我想要找出原因，特别是想知道哪些特征对结果有影响，以及影响有多大——以便理解预测结果。有没有办法做到这一点？
回答：
我们最近发布了一个包（https://github.com/TeamHG-Memex/eli5），它允许检查特征；它支持许多scikit-learn分类器，但目前还不支持MultinomialNB（不过这在计划中）。如果你不介意使用其他分类器，可以查看教程。
如果你想要使用MultinomialNB，你可以等到它被支持，或者参与开发，或者使用通用的解释方法如LIME。eli5有一个实验性的LIME实现；LIME作者也有一个流行的包：https://github.com/marcotcr/lime。
抱歉，这并不是一个真正的答案，因为正确的答案是检查MultinomialNB的系数并将其映射回特征；然而在scikit-learn 0.18版本中，MultinomialNB在这方面存在一些问题（https://github.com/scikit-learn/scikit-learn/issues/2237），所以需要小心处理（并为eli5贡献代码 :D）。
