我对机器学习非常新手，需要澄清一些问题。我正在尝试根据某人在Facebook上的点赞情况，预测他们喜欢某项活动的概率。我使用的是朴素贝叶斯分类器，但对以下几点不太确定。1. 我的标签/输入应该是什么？2. 我需要收集哪些信息作为训练数据？我猜想可以创建一个调查，问人们是否会喜欢某项活动（从1到10的评分）

回答：

在监督分类中，所有分类器都需要用已知的标记数据进行训练，这些数据被称为训练数据。你的数据应该包含一个特征向量，后面跟一个特殊的称为类的特征。在你的问题中，这个类就是一个人是否喜欢这项活动。

一旦你训练了分类器，你应该用另一个数据集来测试它的行为，以避免偏见。这个数据集必须与训练数据具有相同的类。如果你用相同的数据集进行训练和测试，你的分类器预测可能会非常好，但这是不公平的。

我建议你看看评估技术，比如K折交叉验证。

你还应该知道，常见的朴素贝叶斯分类器用于预测二元数据，所以你的类应该为0或1，分别表示你调查的人是否喜欢这项活动。它也在像Weka（Java）或SkLearn（Python）这样的软件包中实现。

如果你对贝叶斯分类器真的很感兴趣，我需要指出，实际上，朴素贝叶斯用于二元分类并不是最好的，因为Minsky在1961年发现决策边界是超平面。此外，Brier评分非常差，有人说这个分类器校准得不好。但总的来说，它的预测效果还是不错的。

希望这对你有帮助。