我的 MultinomialNB 分类器在矢量化的假/真新闻文章上进行了实例化和训练，现在我正试图理解系数背后的含义。
nb_classifier = MultinomialNB()
# Extracting the class labels: ('Fake' or 'Real')
class_labels = nb_classifier.classes_
# Extract the features_names from the vectorizer I used
feature_names = count_vectorizer.get_feature_names()
# Zip the feature_names together with the coefficient array and sort by weights
feat_with_weights = sorted(zip(nb_classifier.coef_[0], feature_names))
print(class_labels[0], feat_with_weights[-20:]) #Or, class_labels[1] = 'Real'
结果是：
假[（-6.2632792078858461，'sanders'），（-6.2426599206831099，'house'），（-6.1832365002123097，'senate'） , '共和党人'),...]
我了解较高的系数 (-5.9) 意味着令牌比 -6.2 具有更高的预测性。但我不确定关系在哪里。这是否意味着令牌“共和党人”与假新闻或真实新闻高度相关。