ValueError: The sum of the priors should be 1.
Probabilitățile a priori date lui `GaussianNB(priors=...)` nu adună 1. Fiecare valoare e probabilitatea unei clase înainte de a vedea datele, deci suma trebuie să fie exact 1. Corectează valorile (de exemplu `[0.7, 0.3]`) sau lasă `priors=None`, ca modelul să le calculeze din date.
Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la
Ce înseamnă
priors sunt probabilitățile claselor înainte de a ține cont de trăsături: cât de frecventă e fiecare clasă în general. Fiind o distribuție de probabilitate, valorile trebuie să fie pozitive și să adune 1. GaussianNB verifică suma la fit (cu o mică toleranță pentru rotunjiri) și refuză altfel.
Greșeli tipice: procente scrise ca numere întregi ([70, 30]), valori introduse de mână care adună 0,9 sau 1,1, sau numărul de exemple pe clasă ([800, 200]) în loc de proporții. Ordinea valorilor urmează ordinea claselor din model.classes_ (sortate), nu ordinea în care apar în date.
Dacă nu ai un motiv anume, nu da priors: implicit, modelul le estimează din frecvențele din y_train.
De ce apare: cauzele frecvente
1Procente în loc de proporții
GaussianNB(priors=[70, 30])GaussianNB(priors=[0.7, 0.3])70% înseamnă 0.7; probabilitățile sunt între 0 și 1 și adună 1.
2Valori care nu adună 1
GaussianNB(priors=[0.5, 0.3, 0.1])GaussianNB(priors=[0.6, 0.3, 0.1])0.5 + 0.3 + 0.1 = 0.9; probabilitățile tuturor claselor trebuie să acopere toate cazurile.
3Numărări în loc de probabilități
GaussianNB(priors=[800, 200])numarari = np.array([800, 200])
GaussianNB(priors=numarari / numarari.sum())Împărțirea la total transformă numărările în proporții care adună 1.
Repară eroarea, direct în pagină
Codul de mai jos dă ValueError: The sum of the priors should be 1., pentru că probabilitățile a priori sunt scrise ca procente (80 și 20). Scrie-le ca proporții, ca programul să afișeze predicțiile pentru cele două pachete noi.
from sklearn.naive_bayes import GaussianNB
# greutate (kg), volum (litri) -> livrare standard (0) sau speciala (1)
X = [[1, 2], [2, 3], [1, 1], [20, 40], [25, 50], [22, 45]]
y = [0, 0, 0, 1, 1, 1]
model = GaussianNB(priors=[80, 20]).fit(X, y)
print("Predictii:", model.predict([[2, 2], [24, 48]]).tolist())Predictii: [0, 1]
Indiciu
80% devine 0.8, iar 20% devine 0.2.
Reparația
from sklearn.naive_bayes import GaussianNB
# greutate (kg), volum (litri) -> livrare standard (0) sau speciala (1)
X = [[1, 2], [2, 3], [1, 1], [20, 40], [25, 50], [22, 45]]
y = [0, 0, 0, 1, 1, 1]
model = GaussianNB(priors=[0.8, 0.2]).fit(X, y)
print("Predictii:", model.predict([[2, 2], [24, 48]]).tolist())De ce merge
priors=[0.8, 0.2] spune că, înainte de a vedea greutatea și volumul, 80% dintre pachete sunt standard și 20% speciale. Suma este 1, deci e o distribuție validă. Trăsăturile separă clar cele două grupuri, așa că pachetul mic e standard și cel mare e special.
Alte forme ale mesajului
ValueError: The sum of the priors should be 1ValueError: Priors must be non-negative.ValueError: Number of priors must match number of classes.
Cum o eviți pe viitor
Calculează probabilitățile a priori din numere, nu le scrie de mână: p = numarari / numarari.sum(). Verifică cu print(sum(priors)) înainte de antrenare. Păstrează ordinea claselor sortată (ca în classes_) și dă exact câte o valoare pentru fiecare clasă. Folosește priors doar când știi că proporția reală din producție diferă de cea din datele de antrenare.
Întrebări frecvente
La ce folosesc priors?
Când datele de antrenare au altă proporție decât realitatea. De exemplu, ai adunat la fel de multe mesaje spam și normale, dar în realitate spamul e 20%. Atunci priors=[0.8, 0.2] corectează modelul.
La MultinomialNB cum se numește parametrul?
class_prior. Acolo suma nu e verificată la fel de strict, dar regula rămâne: dă probabilități care adună 1.
Erori înrudite
ValueError: Negative values in data passed to MultinomialNB (input X). MultinomialNB lucrează cu numărări și frecvențe (de câte ori apare un cuvânt), care nu pot fi negative. Valorile negative vin de obicei de la StandardScaler pus înaintea lui. Scoate scalerul, folosește MinMaxScaler sau alege GaussianNB pentru date numerice obișnuite. ValueError: The classes, [0, 1], are not in class_weight Cheile din dicționarul class_weight nu sunt clasele reale din y. De exemplu, y are 0 și 1, dar ai scris {"da": 5, "nu": 1}. Folosește exact etichetele din y (vezi np.unique(y)), sau class_weight="balanced". ValueError: This solver needs samples of at least 2 classes in the data, but the data contains only one class: np.int64(1) Datele de antrenare conțin o singură clasă (de exemplu doar 1), deci clasificatorul n-are între ce să aleagă. Verifică ținta cu y.value_counts(): de obicei un filtru, o sortare sau o împărțire fără stratify a lăsat în train o singură clasă. Învață Machine Learning de la zero, cu exerciții la fiecare lecție
Curs Machine Learning și AI pentru începători: lecții scurte, fiecare cu un exercițiu verificat automat, direct în browser. Primele 15 lecții sunt gratuite.
