我开始使用Scikit-learn，并尝试训练和预测高斯朴素贝叶斯分类器。我不太清楚自己在做什么，希望有人能帮帮我。
问题：我输入X数量的类型1的项目，结果却得到它们是类型0的响应
我这样做的：为了生成用于训练的数据，我这样做：
#这属于类型1 ganado={ "Hora": "16:43:35", "Fecha": "19/06/2015", "Tiempo": 10, "Brazos": "der", "Sentado": "no", "Puntuacion Final Pasteles": 50, "Nombre": "usuario1", "Puntuacion Final Botellas": 33 } #这属于类型0 perdido={ "Hora": "16:43:35", "Fecha": "19/06/2015", "Tiempo": 10, "Brazos": "der", "Sentado": "no", "Puntuacion Final Pasteles": 4, "Nombre": "usuario1", "Puntuacion Final Botellas": 3 } train=[] for repeticion in range(0,400): train.append(ganado) for repeticion in range(0,1): train.append(perdido)我通过这个弱条件标记数据：
listLabel=[]for data in train: condition=data["Puntuacion Final Pasteles"]+data["Puntuacion Final Botellas"] if condition<20: listLabel.append(0) else: listLabel.append(1)我这样生成用于测试的数据：
#这应该是类型1 pruebaGanado={ "Hora": "16:43:35", "Fecha": "19/06/2015", "Tiempo": 10, "Brazos": "der", "Sentado": "no", "Puntuacion Final Pasteles": 10, "Nombre": "usuario1", "Puntuacion Final Botellas": 33 } #这应该是类型0 pruebaPerdido={ "Hora": "16:43:35", "Fecha": "19/06/2015", "Tiempo": 10, "Brazos": "der", "Sentado": "no", "Puntuacion Final Pasteles": 2, "Nombre": "usuario1", "Puntuacion Final Botellas": 3 } test=[] for repeticion in range(0,420): test.append(pruebaGanado) test.append(pruebaPerdido)之后，我使用train和listLabel来训练分类器：
vec = DictVectorizer()X=vec.fit_transform(train)gnb = GaussianNB()trained=gnb.fit(X.toarray(),listLabel)一旦我训练了分类器，我就使用测试数据
testX=vec.fit_transform(test)predicted=trained.predict(testX.toarray())最后结果总是0。你能告诉我我哪里做错了以及如何修复吗？
回答：
首先，由于你的数据中有一些特征对分类没有信息量（所有数据的值都相同），我对其进行了一些清理：
ganado={ "a": 50, "b": 33}perdido={ "a": 4, "b": 3 }pruebaGanado={ "a": 10, "b": 33 }pruebaPerdido={ "a": 2, "b": 3 }其余部分并不重要，清理你的代码将有助于你专注于重要的事情。
现在，高斯朴素贝叶斯全部是关于概率的：正如你可能注意到的那样，分类器试图告诉你：
P((a,b)=(10,33)|class=0)*P(class=0) > P((a,b)=(10,33)|class=1)*P(class=1)因为它假设a和b都具有正态分布，并且在这种情况下概率非常低，你给它的先验概率-(1,400)是可以忽略的。你可以在这里查看公式本身 这里。顺便说一句，你可以得到确切的概率：
t = [pruebaGanado,pruebaPerdido]t = vec.fit_transform(t)print model.predict_proba(t.toarray())#prints:[[ 1. 0.][ 1. 0.]]所以分类器确定0是正确的类。现在，让我们稍微改变一下测试数据：
pruebaGanado={ "Puntuacion Final Pasteles": 20, "Puntuacion Final Botellas": 33}现在我们有：
[[ 0. 1.][ 1. 0.]]所以你没有做错什么，这完全是计算的问题。顺便说一句，我挑战你用MultinomialNB替换GaussianNB，看看先验概率如何改变一切。
另外，除非你有很好的理由使用GaussianNB，我建议考虑使用某种树分类，因为在我看来，它可能更适合你的问题。
