使用 GaussianNB() 时如何修复不一致的样本数？

【问题标题】：How do you fix inconsistent numbers of samples when using GaussianNB()?使用 GaussianNB() 时如何修复不一致的样本数？
【发布时间】：2016-03-12 05:27:36
【问题描述】：

在使用 GaussianNB() 时如何解决不一致的样本数量问题？另外，是否可以输入 pandas 数据框作为 model.fit 函数的参数？

【问题讨论】：

标签： python numpy pandas scikit-learn

【解决方案1】：

问题在于GaussianNB 期望weather 的形状为(n_samples, n_features)。您目前将其作为一维数组，因此GaussianNB 将其解释为具有 14 个特征的 1 个样本。

要转换为正确的形状，您可以使用weather[:,None]，如this 答案中所述。因此，以下应该可以解决问题：

model.fit(weather[:,None], play)

【讨论】：

没问题。另外，查看您的代码，请注意您只需执行 play = df_numeric.play.values 即可从数据框列中获取一个 numpy 数组。