Thấy rằng Naive Bayes sử dụng xác suất để đưa ra dự đoán và coi các tính năng là độc lập có điều kiện với nhau, nên có nghĩa là mô hình vẫn có thể đưa ra dự đoán khi có một số tính năng bị thiếu trong dữ liệu thử nghiệm.
Tôi biết rằng đó là thông lệ phổ biến để buộc tội dữ liệu bị thiếu, nhưng tại sao làm điều này khi Naïve Bayes có thể đưa ra một dự đoán cho rằng có một số tính năng bị thiếu?
Điều này có thể được thực hiện trong sci-kit tìm hiểu? Tôi đã thử một bộ thử nghiệm với ít tính năng hơn và nhận được ValueError vì các hình dạng không được căn chỉnh.
Vì vậy, về mặt lý thuyết điều này là có thể, nhưng nó có thể trong scikit learn?